استخراج الگوهای فضایی طیفی از سیگنال‌های الکتروانسفالوگرام برای تشخیص اختلال شناختی خفیف

اختلال شناختی خفیف (MCI) مرحله ابتدایی بیماری آلزایمر(AD) قلمداد می‌شود. تشخیص زودهنگام این عارضه، احتمال درمان و جلوگیری از تبدیل آن به زوال عقلی را افزایش می‌دهد. هدف این مطالعه، تفکیک و طبقه‌بندی دو گروه افراد سالم و بیماران MCI به‌وسیله روش پردازشی پیشرفته با به‌کارگیری فیلترهای فضایی-طیفی در استخراج ویژگی از سیگنال‌های الکتروانسفالوگرام EEG است. روش پیشنهادی بانک فیلتر الگوی فضایی مشترک (FBCSP) است که اخیراً در مطالعات واسط‌های مغز و کامپیوتر برای جداسازی تصورات حرکتی با موفقیت استفاده شده است ولی تاکنون درکاربرد تشخیص MCI بررسی و به‌کارگیری نشده است. تحلیل و بررسی روی داده‌های 9 فرد بیمار MCI و 12 فرد سالم صورت گرفته و با روش‌های رایج استخراج ویژگی از توان باندهای فرکانسی و الگوی فضایی مشترک (CSP) کلاسیک مقایسه شده است. به‌کارگیری روش FBCSP دقت تفکیک 100 درصد را در ارزیابی بایک نمونه خارج شده درپی داشت. یافته‌های این مطالعه، برتری قابل توجه روش FBCSP نسبت به روش توان باندهای فرکانسی و CSP کلاسیک را در دقت تشخیص MCI نشان می‌دهد. نتایج این مطالعه بر نقش استفاده از ترکیب‌های فضایی یادگیری شده در هریک از زیر باندهای فرکانسی برای استخراج ویژگی‌های مؤثر در تفکیک افراد سالم از بیماران MCI تأکید دارد.