بخشی از مقاله
خلاصه
در این پژوهش، رویکردی جدید برای تنظیم پارامترهای توابع عضویت یک سیستم استنتاج فازی ارائه شدهاست که میتواند با استفاده از دادههای پتانسیل برانگیختهی بینایی، در قالب یک ابزار بازشناسی الگو به طبقهبندی بیماران اسکلروز چندگانه از افراد سالم بپردازد. در این روش از الگوریتم بهینهسازی گروه میگوها استفاده شده است تا پارامترهای مربوط به توابع عضویت ورودیها و خروجیهای یک سیستم استنتاج فازی اولیه از نوع سوگنو را گونهای تغییر دهد که خطای متناظر با یادگیری شبکه، کمینه گردد.
این سیستم بازشناسی الگو برای طبقهبندی سیگنالهای پتانسیل برانگیختهی بینایی در 11 بیمار با تشخیص کلینیکی اماس و 11 نمونهی سالم بهکار گرفته شد. ابتدا روشی موسوم به استخراج ویژگی روی سیگنالها اعمال شد و سپس با بهرهگیری از الگوریتمهای بهینهسازی گسستهی کلونی مورچگان و شبیهسازی تبرید، در چارچوب یک فرایند انتخاب زیرمجموعهی ویژگی، ویژگیهای مفید گزینش شدند.
این زیرمجموعه از ویژگیها، به خودی خود، اطلاعات بیشتری درمورد ارزش کلینیکی برخی جنبههای سیگنال پتانسیل برانگیختهی بینایی ارائه میدهد که پیش از این مورد استفاده قرار نگرفته بودند، و میتوان در تشخیص اماس از آنها یاری جست. همچنین نشان داده شدهاست که سیستم هوش محاسباتی طراحی شده عملکردی بهتر از سایر روشهای طبقهبندی هوشمند - شبکههای عصبی مصنوعی، ماشینهای بردار پشتیبانی، و سیستم استنتاج عصبی-فازی تطبیقی - دارد و قادر است با دقت کلی 90 درصد، بیماران اماس را از افراد سالم تمیز دهد.
.1 مقدمه
تشخیص اسکلروز چندگانه1 - اماس - عملی بسیار پیچیده است، چراکه این بیماری دارای سمپتومهایی بهشدت متغیر و بعضاً غیرمستقیم میباشد. استفاده و پردازش تصاویر پزشکی همچون تصویرسازی تشدید مغناطیسی - MRI - 2 و سیگنالهایی چون پتانسیل برانگیختهی بینایی - VEP - 3 نیازمند دانش و احاطهای گزاف از سوی متخصص میباشد تا بتوان یک بیمار اماس را بهدرستی از دیگر بیماران و یا افراد سالم تمیز داد.اخیراً نشان داده شده است که ترکیب پتانسیلهای برانگیختهی بینایی، سوماتوسنسوری، و موتور، تا حد زیای با نمرهی مقیاس وضعیت ناتوانی گسترده4 - EDSS - مرتبط است و پیشآگهی 5 کاملتری از بیماری بهدست میدهد
تأخر زمانی تعمیمیافته در مؤلفهی P100 از سیگنال VEP، مدت زیادی است که برای شناسایی تحتبالینی پلاک6 ناشی از حذف مخرب میلین 7 در اماس که در ناحیهی چلیپای نوری8 واقع در مسیر بینایی9 رخ داده، مورد استفاده قرار میگیرد
هرچند از نظر آسیبشناختی در آخرین نسخهی تجدیدنظر شدهی معیارهای تشخیص برای اماس [3] دیگر بهطور واضح به VEP اشارهای نشده، اما پیشتر نشان داده شده است که VEP قادر به ارائهی مدرکی دال بر انتشار پلاکها در فضا است .[4] مؤلفههای متعارف10 سیگنال VEP - تأخرهای زمانی N75، P100، و N145، دامنهی P100، و غیره - ممکن است برای بازشناسی دقیق بیماران اماس از افراد سالم کافی نباشد. لذا، استخراج ویژگیهای جدید با بهرهگیری از تکنیکهای پردازش بیوسیگنال، و تجزیه و تحلیل آنها برای یافتن مؤلفههای مرتبط با آسیبدیدگی غلاف میلین ناشی از اماس، هائز اهمیت میباشد.
همچنین جهت پایش بیماری اماس، مهم است که بتوان مؤلفههای آن دسته از دادههای VEP آسیبشناختی که دارای دامنههای پایین میباشند را بهطریقکمّی بیان کرد - این مبحث، خصوصاً با خوانش متعارف VEP، میتواند مشکلساز باشد - . در پژوهش حاضر، بر آن شدیم تا مؤلفههایی از VEP را پیدا و تعریف کنیم که مستقل از دامنه بوده، و با اماس متحد هستند. تجزیه و تحلیل اتفاقی، زمانی، و فضایی دادههای تجربی VEP، ممکن است حاوی اطلاعات مفیدی باشد که در شکل اصلی آن بهخوبی قابل درک نیستند.
این اطلاعات میتواند یک معیار تشخیص سودمند برای متمایز ساختن افراد نرمال از افراد مبتلا به بیماریهای مغز و اعصاب فراهم آورده، و نیز شاخصی از پیشروی بیماری ارائه دهد. از این رو، بسیار سودبخش میباشد که یک سیستم نوین بازشناسی الگو طراحی شود که قادر به طبقهبندی افراد سالم و مبتلا به اماس بر اساس ویژگیهای استخراج شده از سیگنالهای VEP باشد، چرا که پیش از این نیز سودمندی روشهای هوش محاسباتی در تشخیص بالینی و پایش بیماریها نشان داده شده است
ماژولهای این سیستم هوش محاسباتی عبارتاند از: پیشپردازش،که سیگنال را از نویز و آرتیفکت11 عاری میسازد؛ استخراج ویژگی، برای محاسبهی مؤلفههای سیگنال VEP؛ انتخاب زیرمجموعهی ویژگی، که گزینش مؤلفههای مؤثر در تشخیص MS را بر عهده دارد؛ طبقهبندی، برای جداسازی سیگنالها از روی ویژگیهای گزینش شده؛ و تشخیص، که اعلام میدارد سیگنال متعلق به چه گروهی است. شکل 1، دیاگرام بلوکی اجزای لازم برای این سیستم را نشان میدهد.
شکل -1 دیاگرام اجزای سیستم بازشناسی الگوی استفاده شده در این پژوهش
.2 دادهبرداری VEP
نمونهها متشکل از 11 بیمار اماس - میانگین سنی 35,8 سال؛ %91 زن؛ میانگین 3,5 EDSS، با دامنهی 2-5,5؛ میانگین سابقهی بیماری 7,6 سال، با دامنهی 0,7-16 سال - با تشخیص سندرم ایزولهی بالینیn = 1 - 12؛ 9 % - ، اماس عود کننده-بهبود یابندهn = 9 - 13؛ - %81,8، و اماس پیشروندهی ثانویهn = 1 - 14؛ - %9 بر اساس معیار پولمن [12] بود . در 10 بیمار - %81 - سابقهی التهاب عصب چشمی - ON - 15 مثبت بود. همچنین در 4 بیمار - %36 - ، ON اولین سمپتوم بود. 11 فرد بهعنوان معیار سالم16 بهکار گرفته شدند که فاقد سابقهی بیماری قابل ذکر، از جمله اماس بودند - میانگین سنی 38,0 سال؛ %75 زن - .
آزمایشات VEP با یک سیستم الکترومیوگرافی- 4 - EMG - 17کاناله - Nihon Kohden MEB2200 - واقع در بیمارستان سینا انجام پذیرفت. الکترودها در محلهای Oz، Cz، و Fz قرار داده شدند و امپدانس الکترودها پایینتر از 5 k نگاه داشته شد. فیلتر میان-گذر برای ذخیرهی سیگنال 0,1-11 Hz در نظر گرفته شد، و فرکانس نمونهبرداری برابر با 3 kHz انتخاب شد. VEP بهروش الگوی معکوسشونده18 از فاصلهی 60 سانتیمتری انجام شد. آهنگ معکوسشدن تحریک 1 بار در ثانیه با تحریک کامل میدان بینایی بود.
داده های خام بهصورت چشمی بررسی شده، بهروش میانگذر - 1-30 Hz - فیلتر شد، و پس از حذف دورههای دارای آرتیفکتهای با دامنهی بالا، میانگینگیری شد. دادههای پتانسیل برانگیختهی بینایی ذخیره شده از تمام بیماران اماس و تمام افراد سالم، بهترتیب در شکلهای 2 و 3 نشان داده شده است. همچنین، نمونههای VEP دو بیمار اماس و دو معیار سالم، بهترتیب در شکلهای 4 و 5 ترسیم شدهاند.
داده های VEP هر فرد، متشکل از چهار آرایهی موج میباشد، که دوتای آن بهوسیلهی اختلاف پتانسیل الکترودهای Oz Fz و Oz Cz درحالیکه تنها چشم راست فرد باز بود، و دو آرایهی دیگر به طریقی مشابه، و درحالیکه فقط چشم چپ فرد باز بود، ذخیره شدهاند. بنابراین، ماتریس اکتساب داده19 به اینشکل در رابطهی 1 آورده شده است.
