Use of common spatial patterns for early detection of Parkinson's disease.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

İnsan beynini etkileyen en yaygın hastalıklardan biri Parkinson hastalığıdır. Parkinson hastalığının (PD) saptanması ciddi bir zorluk oluşturur. Sağlıklı deneklerin ve PD hastalarının elektroensefalogramları (EEG) arasında ayrılmaya izin veren özellik ekstraksiyonu için sağlam yöntemler gereklidir. İşitme görevlerine tabi tutulan sağlıklı deneklerin ve PD hastalarının EEG kayıtlarını kullandık. Ortak mekansal desenleri (CSP) ve Laplacian maskesini, sağlam bir seçim ve özelliklerin çıkarılmasına izin vermek için yöntemler olarak kullandık. Elde edilen CSP beyazlatma matrisini, sağlıklı kontrollerin EEG'leri ile PD hastaları arasında ayrım yapma açısından en umut verici olan kanalları belirlemek için kullandık. CSP kullanılarak hesaplanan özelliklerin seçilmesini kullanarak, kontrol gruplarına veya PD hastalarına ait EEG kayıtlarını sınıflandırırken% 85'lik sınıflandırma doğruluğunu elde etmeyi başardık. Laplacian operatörü kullanılarak hesaplanan özellikleri kullanarak %90 sınıflandırma doğruluğu elde ettik. PD'nin EEG kullanarak erken evrelerde teşhis edilmesi mümkündür. CSP, bilgilendirici kanalları tespit etmek ve gruplar arasında ayrım yapmak için umut verici bir teknik olduğunu kanıtladı. Laplacian kullanılarak hesaplanan özelliklerin kombinasyonunun kullanılması, iki grup arasında iyi bir ayrılabilirlik sunar.

Özgün kaynak özetini okuyun

One of the most common diseases that affects human brain is Parkinson's disease. Detection of Parkinson's disease (PD) poses a serious challenge. Robust methods for feature extraction allowing separation between the electroencephalograms (EEG) of healthy subjects and PD patients are required. We used the EEG records of healthy subjects and PD patients which were subject to auditory tasks. We used the common spatial patterns (CSP) and Laplacian mask as methods to allow robust selection and extraction of features. We used the derived CSP whitening matrix to determine those channels that are the most promising in the terms of differentiating between EEGs of healthy controls and of PD patients. Using the selection of features calculated using the CSP we managed to obtain the classification accuracy of 85% when classifying EEG records belonging to groups of controls or PD patients. Using the features calculated using the Laplacian operator we obtained the classification accuracy of 90%. Diagnosing the PD in early stages using EEG is possible. The CSP proved to be a promising technique to detect informative channels and to separate between the groups. Use of the combination of features calculated using the Laplacian offers good separability between the two groups.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.