تشخیص تومور مغزی با استفاده از ویژگی‌های خطی و غیرخطی سیگنال‌های الکتروانسفالوگرام

در پژوهش حاضر، سیگنال­های الکتروانسفالوگرام بیماران مبتلا به تومور مغزی و افراد سالم را برای مطالعة تغییرات ناشی از بروز تومور مغزی در سیگنال­های مغزی و در‌نهایت امکان­سنجی تشخیص این بیماری توسط سیگنال­های EEG، بررسی کرده‌ایم. برای این منظور از داده‌های EEG ثبت­شده از چهار کانال F3، F4، T3 و T4 برای پنج فرد مبتلا به تومور مغزی و چهار فرد سالم، استفاده شده است. پس از پیش‌‌پردازش، ویژگی­های خطی زمانی و طیف فرکانسی و ویژگی­های غیرخطی بُعد فرکتال و آنتروپی، استخراج شد. سپس تمایزپذیری میان دو گروه، با استفاده از اندیس دیویس-بولدین، طبقه‌بندی خطی LDA، غیرخطی KNN و SVM بررسی شد. بر‌اساس مقادیر به‌دست‌آمده برای اندیس دیویس-بولدین در وضعیت استراحت ذهنی چشم­بسته، ویژگی­های RMS، توان مطلق باند تتا، آنتروپی ­نمونه و آنتروپی تقریبی و در وضعیت استراحت ذهنی چشم­باز، ویژگی­های RMS و توان مطلق باند تتا، بیشترین تمایزپذیری را میان دو گروه سالم و بیمار نشان دادند. در این مرحله، طبقه­بندی دو گروه سالم و بیمار با استفاده از تک­ویژگی­ها انجام شد، که بهترین صحت طبقه­بندی مربوط به ویژگی RMS در حالت استراحت ذهنی چشم­بسته و 88.89% به‌دست آمد. این موضوع نشان­دهندة این است که ویژگی خطی RMS در افراد سالم و مبتلایان به تومور مغزی، تمایز خوبی ایجاد می­کند. در پایان نیز برای دو حالت استراحت ذهنی چشم­بسته و چشم­باز و با استفاده از تمامی ویژگی­های منتخب، طبقه‌بندی انجام شد. با توجه به نتایج، بیشترین صحت طبقه­بندی 82.54% با استفاده از ویژگی­های برتر RMS، توان مطلق باند تتا، آنتروپی ­نمونه و آنتروپی تقریبی در حالت استراحت ذهنی چشم­بسته، به‌دست آمد. با توجه به نتایج مشاهده می­شود که ویژگی­های خطی، قابلیت خوبی برای جداسازی سیگنال­های EEG افراد سالم و بیماران مبتلا به تومور مغزی دارند، که می‌توان از آنها، به‌دلیل سادگی و بار محاسباتی کم، برای تشخیص برخط بیماری تومور مغزی، به‌خصوص در آزمون­های دوره­ای غربالگری، استفاده کرد.