تشخیص تشنج با استفاده از EEG: مروری جامع بر پردازش سیگنال، یادگیری ماشین و کاربردهای بالینی

تشخیص تشنج با استفاده از EEG: مروری جامع بر پردازش سیگنال، یادگیری ماشین و کاربردهای بالینی

شادی اشجع1 دکتر بهروز الفی2

1) دانشجوی کارشناسی مهندسی پزشکی،دانشگاه آزاد اسلامی واحد اردبیل،ایران
2) دکتری مهندسی برق قدرت-استادیار پایه18،دانشگاه آزاد اسلامی واحد اردبیل،ایران

کد IOI مقاله : AAHD-ABKCCE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    الکتروانسفالوگرافی (EEG)¹ همچنان یکی از مهم‌ترین ابزارهای تشخیصی برای شناسایی، طبقه‌بندی و پایش تشنج‌های صرعی محسوب می‌شود. طی دهه اخیر، پیشرفت‌های چشمگیر در حوزه هوش مصنوعی، یادگیری عمیق، پردازش دیجیتال سیگنال و سامانه‌های محاسباتی بلادرنگ، تحول قابل توجهی در تشخیص تشنج مبتنی بر الکترو انسفالو گرافی ایجاد کرده‌اند. تفسیر سنتی و بصری ثبت‌های EEG توسط متخصصان مغز و اعصاب اغلب فرایندی زمان‌بر، وابسته به تجربه فردی و مستعد اختلاف‌نظر میان ارزیابان است، به‌ویژه در پایش‌های طولانی‌مدت. در نتیجه، سامانه‌های نیمه‌خودکار و خودکار تشخیص تشنج به‌عنوان ابزارهایی ضروری برای افزایش دقت تشخیصی، کاهش بار کاری بالینی و فراهم‌سازی مداخله سریع مطرح شده‌اند. این مقاله مروری، رویکردهای نوین در تشخیص تشنج با استفاده از EEG را با تمرکز ویژه بر پیش‌پردازش سیگنال، تکنیک‌های فیلترگذاری، روش‌های استخراج ویژگی، مدل‌های یادگیری ماشین، معماری‌های یادگیری عمیق و چارچوب‌های تشخیص بلادرنگ بررسی می‌کند. همچنین، کاربردهای بالینی EEG در جمعیت‌های نوزادی، کودکان و بزرگسالان، در کنار نقش EEG اورژانسی و سامانه‌های مبتنی بر هوش مصنوعی در تفسیر سیگنال‌ها مورد بحث قرار گرفته است. علاوه بر این، چالش‌های مرتبط با حذف آرتیفکت‌ها، ناهمگنی انواع تشنج، محدودیت تعمیم‌پذیری داده‌ها و استقرار سامانه‌ها در محیط‌های واقعی درمانی تحلیل شده‌اند.

کلمات کلیدی : الکتروانسفاالوگرافی(eeg) تشنج صرعی تشخیص تشنج تشخیص صرع الکترومایوگرافی(emg)