بخشی از مقاله
چکیده
بیش فعالی اختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر ازکودکان دیگر وجود دارد. تشخیص کودکان مبتلا به اختلال بیش فعالیBتکانش گری با استفاده از بررسیهای بالینی انجام میشود. دراین مطالعه دو گروه از افراد نرمال و افراد مبتلا به اختلال بیش فعالیB تکانش گری که کودکان در رنج سنی 10تا 15 سال بودند، موردبررسی قرار گرفتند. 10 نفر از این کودکان متعلق به گروه کنترل و 12 نفر آنها متعلق به گروه بیمار بودند. ویژگیهای 13 گانه منحنیهای بازگشتی از امواج مغزی این کودکان که توسط دستگاه الکتروانسفالوگرم ثبت شده بود، از زیرباندهای فرکانسی امواج مغزی با استفاده از تبدیل ویولت استخراج شدند. کلاس بندی با استفاده از روش نزدیک ترین همسایه اشتباه انجام شد و در بهترین حالت نتایج %99 بدست آمد.
کلیدواژه : اختلال بیش فعالیB تکانش گری، منحنیهای بازگشتی، تبدیل ویولت، زیرباندهای فرکانسی، الکتروانسفالوگرام
مقدمه
اختلال بیش فعالیBتکانش گری - ADHD - 1 اختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر از کودکان دیگر رخ میدهد. بیش فعالی و نقص توجه شایع ترین اختلال رفتاری B رشدی در سنین کودکی و بلوغ است، موج نگاری مغز - EEG - 2 در بررسی فعالیتهای مغز کاربرد دارد. اختلال بیش فعالی و کمبود توجه - - ADHD یکی از رایج ترین اختلالات عصب شناختی میباشد که بر 5-10 درصد از کودکان دنیا تأثیر گذار است. طبق گزارش انجمن روانپزشکی آمریکا، سه نشانه مهم؛ بی توجهی، بیش فعالی و تکانش گری، شناسایی بیماران ADHD را ممکن می سازد، به همین دلیل شناخت این نشانه، صرفا بالینی است، و به کارگیری مقیاسهای ارزیابی روانی-آموزشی و مشاهدات در مدرسه را دربر دارد.
در نتیجه، پردازش دیجیتال موج نگاری مغز توسط چندین محقق به عنوان جایگزینی به منظور پیش بینی اختلال ADHD مورد بررسی قرار گرفته است. توجه مداوم که یکی از کمبودهای اصلی در ADHD است توانایی فرد در حفظ واکنش رفتاری مداوم در طول پردازش مداوم و مکرر محرک ها بشمار می رود که کیفیت عدم تحریک آن منجر به خوگیری و حواس پرتی نسبت به محرکهای دیگر میشود. تحقیقات گذشته افزایش قدرت امواج تتا را در کودکان دچار ADHD نشان دادند، و در برخی از آنها ارتباط با کاهش کلی فعالیتهای آلفا و بتا آشکار گردید. این امر، نسبت تتا/ بتا را به منظور دسته بندی سنین بیماران ADHD و افراد سالم نشان داد. مولفههای همگام سازی در EEG بدست آمده در اثر محرکهای شنیداری، در بیماران دچار ADHD پایین تر از کودکان سالم است.[1]
بررسی تحلیل کمی ثبت های EEG از بیماران دچار ADHD تحت درمان روشهای جایگزین با دارو از اهمیت بسیار برخوردار است. موج نگاری مغز، مفید ترین و پویا ترین وسیله در بررسی بدون درد عملکرد مغز بشمار می رود. از این رو بررسی EEG در تحقیقات علوم عصبی بالینی از جمله اسکیزوفرنی، دیوانگی و اختلال بیش فعالی و کمبود توجه منظور شده است. مقیاسهای شناختی مغز، تصمیمات بالینی در ADHD را تایید کرده و حساسیت پذیری و وضوح تصمیمات را بهبود می بخشد. در حالی که بخش عمده ای از این تحقیقات طبق سیگنالهای EEG در کودکان ADHD بوده است، مطالعات محدودی به بررسی ADHDدر افراد بزرگسال پرداخته اند.
میانگین انتروپی بیماران ADHD پایین تر از افراد سالم در نواحی پیشانی3 سمت راست - FP2, - F8 در طول عملکرد تکلیف شناختی - نه در حالت استراحت - است.در حال حاضر این اختلال با اشاره به معیارهای راهنمای شناختی و آماری اختلالات روانیDSM-IV - 4 - یا دسته بندی آماری بین المللی اختلالات روانی - ICD-10 - 5 تشخیص داده میشود.باتوجه به اینکه عدم تشخیص اختلال ADHD و عوارض ناشی از ان آینده کودک و زندگی اجتماعی او را به مخاطره می اندازه لذا در این تحقیق سعی بر این خواهد بود که از روشهایی استفاده شود که احتمال اشتباه را کاهش دهد. باتوجه به دقیق تر وآسان بودن ثبت سیگنال EEG نسبت به استفاده از روشهای سنتی مانندپرکردن پرسش نامه و مطالعات رفتاری والدین و کودکان و معلمان آنها و دقیق تر بودن نتایج آن دراین مطالعه برآن شدیم تا ازسیگنال EEG به منظور تشخیص این اختلال استفاده کنیم.[2]
بررسی تحلیل کمی ثبتهای EEG از بیماران دچار ADHD تحت درمان روشهای جایگزین با دارو از اهمیت بسیار برخوردار است. موج نگاری مغز، مفید ترین و پویا ترین وسیله در بررسی بدون درد عملکرد مغز بشمار می رود.[3] از این رو بررسی EEGدر تحقیقات علوم عصبی بالینی از جمله اسکیزوفرنی، دیوانگی و اختلال بیش فعالی و کمبود توجه - ADHD - منظور شده است. مقیاسهای شناختی مغز، تصمیمات بالینی در ADHD را تایید کرده و حساسیت پذیری و وضوح تصمیمات را بهبود می بخشد.[1] در حالی که بخش عمده ای از این تحقیقات طبق سیگنالهای EEG در کودکان ADHD بوده است، مطالعات محدودی به بررسیADHD در افراد بزرگسال پرداخته اند.
در این تحقیق، هدف دسته بندی کودکان سالم و کودکان مبتلا به اختلال ADHD با استفاده از زیرباندهای بدست آمده از سیگنال EEG با روش تبدیل موجک - WT - 6برای استخراج ویژگیها از این سیگنال جهت دسته بندی سیگنال EEG افراد سالم و افراد مبتلا به ADHD وتشخیص تفاوت های سیگنال مغزی انها میباشد. هدف اصلی ما پیدا کردن تابع تبدیل موجک کارآمد است که دارای دقت بالای دسته بندی باشد ما میخواهیم یک سیستم تشخیص خودکار کودکان مبتلا به ADHD طراحی کنیم که باتوجه به تفاوت ویژگیهای آشوب گونه سیگنالهای مغزی بیماران مبتلا به اختلال
