عنوان پایان‌نامه
تاثیرات ژنتیکی بر الگوی QEEGو کاربردهای آن در درمان های مبتنی بر نوروفیدبک
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 3078;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78267;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 3078;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78267
- تاریخ دفاع
- ۲۸ مهر ۱۳۹۵
- دانشجو
- محمد علمی
- استاد راهنما
- سیدکمال الدین ستاره دان, علی مسعودی نژاد
- چکیده
- مغز انسان شامل شبکه عصبی قابل توجهی است با وجود اینکه به صورت پراکنده است هر نورون به کمک یک سری اتصالات سیناپتیک با نورون های دیگر در ارتباط است. این اتصال قابل توجه یک ساختار سلسله مراتبی است که هنوز کاملا مبرهن نیست. بیماری های پیچیده ی عصبی معمولا با عملکرد دقیق مغز در دوران کودکی قبل از اینکه علایم رفتاری هویدا شوند مشخص می شوند. اختلالات پیچیده عصبی درحال رشد با افزایش سن می‌توانند با علایم کارکردی مغز در مراحل اولیه زندگی قبل از این که علایم رفتاری مشهود باشد توصیف شوند. این اندوفنوتایپ ها احتمالاً نشانه‌های قابل اندازه‌گیری برای درمان‌های شناختی بعدی هستند. پیچیدگی غیرخطی سیگنال‌هایEEG شامل اطلاعاتی در مورد معماری‌های شبکه‌های عصبی در مغز در مقیاس‌های وسیع است. مطالعات اخیر پیشنهاد می دهند که یک اندوفنوتایپ (بایو مارکرهای وراثتی مرتبط با پاتولوژی که بدون توجه به پیشرفت پاتولوژیک، در فرد وجود دارند.) از اختلال طیفی اوتیسم قابل تشخیص است، که از تحلیل خویشاوندان به ویژه پدر یا مادر یا خواهر یا برادر فرد مبتلا به اختلال طیفی اوتیسم که غیر مبتلا به اوتیسم هستند بدست می آید و بر طبق مطالعات احتمال ابتلا در خواهر و بردار افراد مبتلا به اوتیسم 20 برابر بیشتر است و در واقع اوتیسم ماهیت ارثی دارد. هدف از این پایان‌نامه بررسی مزیت معیارهای مبتنی بر انتروپی جهت تشخیص اولیه اختلال طیفی اوتیسم در خواهر یا برادر یا پدر افراد مبتلا به اوتیسم با استفاده از معیار انتروپی نمونه بهینه چند مقیاسه (mMSE )است. و تعیین این مقدار برای نواحی مختلف مغزی مختلف به عنوان ویژگی مورد نظر در سیگنالی که درآن عاری از هرگونه نویز و آرتیفکت است و در حضور عوامل غیرخطی جهت بررسی اندوفنوتایپ ها است. همچنین یک معیار دیگر جهت تعیین میزان غیر خطی بودن نواحی مختلف مغزی استفاده می گردد. که در اینجا در مورد پیچیدگی سیگنال های مغزی و تفاوت های آن در سه گروه مختلف افراد "دارای اختلال طیفی اوتیسم"، "خواهر یا برادر یا پدر" و "کنترلی" را به کمک ثبت EEG مورد بررسی قرار میدهیم و در این راستا جهت تحلیل از روش های یادگیری ماشین به هر دو روش با نظارت و بدون نظارت استفاده میکنیم. نتایج حاصل نشان داد که موفق به طبقه بندی سه گروه با 11 سوژه فرد کنترلی بدون هرگونه سابقه خانوادگی بیماری عصبی که با افزایش سن رشد میکنند و از لحاظ مرجع جامع راهنمای تشخیصی و آماری اختلالات روانی در محدوده ی بیماری اوتیسم قرا نمی گرفتند و 11 سوژه ی دارای اختلال طیفی اوتیسم با و 4 پدر و در مجموع 1 خواهر و 2 برادر فرد دارای اختلال طیفی اوتیسم شدیم. مورد دیگری را که قصد داشتیم به آن توجه کنیم این بود که آیا می توانیم سوژه ی پدر را در کنار گروه ریسک پذیر قرار دهیم یانه. متوجه شدیم گروه پدر در کنار گروه خواهر یا برادر خوشه بندی شدند علاوه بر این متوجه شدیم با توجه به اینکه قطر سر گروه پدر از لحاظ اندازه بزرگتر از بقیه شرکت کنندگان بود متوجه شدیم که میانگین انتروپی نمونه ی بهینه حساس به اندازه ی قطر سرنیست. همچنین در گروه مربوط به کنترل که 2 جفت خواهر و برادر در این دسته وجود داشت هیچگونه اندوفنوتایپی که مربوط به پاتولوژی باشد مشاهده نشد. کلمات کلیدی: الکتروانسفالوگرافی، نوروفیدبک، برگشت ناپذیری زمانی، انتروپی نمونه بهینه چند مقیاسه، اختلال طیفی اوتیسم
- Abstract
- The human brain exhibits a remarkable network organization. Although sparsely connected, each neuron is within a few synaptic connections of any other neuron. This remarkable connectivity is achieved by a kind of hierarchical organization that is not fully understood in the brain. Complex neurodevelopmental disorders may be characterized by subtle brain function signatures early in life before behavioral symptoms are apparent. Such endophenotypes may be measurable biomarkers for later cognitive impairments. The nonlinear complexity of electroencephalography (EEG) signals is believed to contain information about the architecture of the neural networks in the brain on many scales. Recent studies suggests that an endophenotype (inherited biomarkers that related to pathology that exists without pathological development) for autism spectrum disorder is detectable and according to studies the risk of autism in siblings with autism is 20 times more than the other people in society and autism has heredity nature. The aim of this thesis is to investigate entropy based criterion for early detection of autism spectrum disorder in siblings with autism using mean modified multiscale sample entropy (mMSE) and determining this value as a feature vector for different brain regions in a signal which is pruned from any noise and artifacts in the presence of nonlinear effects for surveying endophenotypes and another criterion is used for determining the degree of nonlinearity in different brain regions. Here we will investigate the complexity of brain signals and its differences in three groups “people with autism spectrum disorder”, “their siblings or fathers” and “controls” using EEG recording. And here we use for analysis both supervised and unsupervised algorithms. Our results showed that we succeeded to classify 3 groups with 11 control subjects without any family history of mental disorders and according to DSM5 were not in autism spectrum disorder criteria and 11 subjects with autism spectrum disorder and 4 fathers and 1 sister and 2 brothers of people with autism spectrum disorder, another thing that we tried was to survey that if we could put the fathers in risk group or not. We came to this point that the fathers were clustered with siblings. Moreover we concluded that the mean modified multiscale sample entropy was not sensitive to head circumference in father group which was more greater than the other participants in this study. Also no endophenotypes related to pathology in the control group which contained two siblings was not shown. Keywords: Electroencephalography, Neurofeedback, time irreversibility, mean modified multiscale sample entropy, Autism spectrum disorder
