تشخیص صرع با استفاده از روش مدلسازی دینامیکی علّی

به صراحت مغز یکی از پیچیده ترین اعضای بدن است که دارای واکنش های عصبی غیر خطی می باشد. حملات صرعی ناشی از اختلال در عملکرد الکتریکی مغز است و لذا بر روی سیگنال الکتروانسفالوگرام (eeg ) نمود می کند. تغییر آسیب شناسی در وقوع و انتشار حمله صرعی از تعاملات بین پارامترهای فیزیولوژیکی در نواحی مختلف مغز ناشی می شود. برای شناسایی ساز و کارهای فعالیت های صرعی، باید مدل های زیستی-فیزیکی پیچیده را با تحلیل آماری داده ها وفق داد. یکی از این مدل ها، مدلسازی دینامیکی سببی (dcm) است که روابط علت-معلولی مولد سیگنال های eeg به صورت غیرخطی در آن مدل شده اند. در این پایان نامه برای اولین بار سیگنال های eeg صرعی با استفاده از روش dcmمدلسازی شدند. پس از مدلسازی سیگنال eeg و تخمین پارامترهای اتصال، سیگنال های eeg مدل شده تولید شد. سپس برای بررسی شباهت بین ویژگی های سیگنال های مدل شده و واقعی، این سیگنال ها با هم مقایسه شدند.این مقایسه با استفاده از ویژگی های مناسب و طبقه بندی کننده هایی چون ماشین بردار پشتیبان و تفکیک کننده ی خطی صورت گرفت. نتایج بدست آمده نشان می دهد که ویژگی ها و فعالیت هایی چون فعالیت صرعی، در سیگنال های مدل شده و واقعی مشابه هستند. همچنین فعالیت های صرعی و عادی در سیگنال های مدل شده و واقعی، به کمک تفکیک کننده ی خطی از هم جدا شدند. برای ویژگی های غیر خطی استخراج شده، دقت 75/90 درصد و 5/91 درصد به ترتیب برای سیگنال های مدل شده و واقعی بدست آمد. برای ویژگی های مبتنی بر تبدیل موجک نیز، دقت 5/97 درصد و 98 درصد به ترتیب برای سیگنال های مدل شده و واقعی حاصل شد.