عنوان
شناسايي اختلال طيف اوتيسم مبتني بر بررسي توأم داده‌هاي ساختاري و عملكردي
نويسنده اصلي
پيرمراديان، سمانه
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي برق
مقطع تحصيلي
كارشناسي ارشد
چكيده
اوتيسم يا خود درماندگي يك اختلال عصبي رشدي است كه بر رفتار و تعاملات اجتماعي فرد تأثير مي‌گذارد. طبق گزارش وزارت بهداشت
جهاني شيوع اختلال طيف اوتيسم (ASD) رو به افزايش است. در حال حاضر تشخيص اوتيسم بر اساس مصاحبه‌هاي باليني و مشاهدات مستقيم
رفتار است. تشخيص اين اختلال تنها با مشاهدات باليني مستعد خطا مي‌باشد. روش‌هاي مبتني بر تصويربرداري تشديد مغناطيسي (MRI) مسيري
هيجان‌انگيز براي بررسي مغز انسان به صورت غيرتهاجمي ايجاد كرده‌اند. يكي از اهداف مطالعات علوم شناختي در زمينه‌ي اختلال طيف اوتيسم
اين است كه با بررسي ارتباطات نواحي مغزي افراد به شناسايي اين اختلال كمك كنند. در اين راستا محققان با استفاده از تصاوير تشديد مغناطيسي
عملكردي در حالت استراحت (rs-fMRI) سر ي‌هاي زماني نواحي مغزي را استخراج كرده‌اند و با محاسبه‌ي همبستگي بين سر ي‌هاي زماني
ارتباطات عملكردي مغز افراد را مورد بررسي قرار داده‌اند همچنين در برخي پژوهش‌ها با استفاده از تصاوير تانسور پخش (DTI) به بررسي
ارتباطات ساختاري نواحي مغزي پرداخته‌اند. از چشم‌اندازهاي نوين در مطالعات علوم اعصاب ادغام اطلاعات ساختاري و عملكردي نواحي مغزي
به منظور شناسايي اين اختلال است. يكي از روش‌هايي كه در سال‌هاي اخير بدين منظور به‌كاربرده شده است، استفاده از ابزارهاي پردازش سيگنال
روي گراف (GSP) به‌طور خاص تبديل فوريه گراف (GFT) است. مطالعاتي كه از GFT براي طبقه‌بندي افراد سالم و مبتلا به اوتيسم استفاده
كرده‌اند، ساختار واقعي مغز افراد را در نظر نگرفته‌اند، يا از روي تصاوير rs-fMRI ساختار مغز را تخمين زده‌اند يا از ماتريس ميانگين ساختاري
يك گروه از افراد سالم استفاده كرده‌اند. در اين پايان‌نامه با انتخاب زيرمجموع هاي از داده‌هاي ABIDE به مسأله‌ي طبقه‌بندي افراد مبتلا به اوتيسم
از سالم پرداخته‌ايم. به‌طور مشخص با بهره‌گيري از تصاوير rs-fMRI و تصاوير DTI سيگنال‌هاي GFT 38 ناحيه‌ي مغزي را بر اساس ميانگين
اطلاعات ساختاري افراد سالم و اطلاعات ساختاري مختص هر فرد جداگانه حساب كرده‌ايم و همبستگي پيرسون بين سيگنال‌هاي GFT جفت
نواحي مغزي را به دست آورده‌ايم. با استفاده از آزمون آماري تحليل واريانس (ANOVA) تنها تعدادي از ضرايب همبستگي را به‌عنوان ويژگي
انتخاب كرده و با استفاده از تحليل مؤلفه‌هاي اساسي (PCA) ابعاد ويژگي‌ها را كاهش داده‌ايم. طبقه‌بندي داده‌ها را با ماشين بردار پشتيبان (SVM)
K نزديكترين همسايه (KNN) و تحليل تفكيك كننده خطي (LDA) انجام داده‌ايم. همبستگي بين سري‌هاي زماني نواحي مغزي و ماتريس‌هاي
ساختاري را جداگانه طبقه‌بندي كرده‌ايم. طبقه‌بندي داده‌ها با استفاده از محاسبه همبستگي بين سيگنال‌هاي تبديل فوريه گراف با استفاده از ماتريس
ساختاري اختصاصي هر فرد و ماتريس ميانگين افراد سالم به ترتيب، عملكرد بهتري را نشان دادند. نتايج حاصل از اين پژوهش به‌عنوان قدم‌هاي
نخست در مسير بهره‌گيري توأم از اطلاعات ساختاري و عملكردي مغز در شناسايي اختلال طيف اوتيسم اميدواركننده است.
شماره ركورد
215082
گرايش رشته تحصيلي
مهندسي پزشكي - بيوالكتريك
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان
استاد داور
رسول اميرفتاحي، امير اخوان
استاد راهنما
فرزانه شايق، جلال ذهبي