کد خبر:۸۰۳۳۷۵
با همکاری محققان دانشگاه آلمانی؛

دانشجوی دانشگاه حکیم سبزواری راهکاری برای پیش‌بینی وقوع بیماری صرع پیدا کرد

دانشجوی دانشگاه حکیم سبزواری در همکاری مشترک با محققان دانشگاه آلمانی Otto-von-Guericke-Universität ایده جدیدی برای پیش‌بینی وقوع تشنج ارائه کرد.

دانشجوی دانشگاه حکیم سبزواری  راهکاری برای پیش‌بینی وقوع بیماری صرع پیدا کرد

به گزارش گروه دانشگاه خبرگزاری دانشجو، نغمه محمودیان، دانشجوی دکتری مهندسی پزشکی گرایش بیو الکتریک دانشگاه حکیم سبزواری در همکاری خود با دانشگاه آلمانی با راهنمایی حدادنیا، عضو هیئت علمی دانشگاه حکیم سبزواری راهکاری برای پیش‌بینی وقوع بیماری صرع پیدا کند.

در این روش از یک مدل خطی ویژه برای پیش‌بینی حملات صرع بر پایه آنالیز طیف‌های مرتبه بالای سیگنال الکتروانسفالوگرام استفاده شده است.

ویژگی‌های سیگنال‌های مغزی دریافتی بر مبنای کراس-بایسپکترام از بیماران صرعی استخراج شده و بر مبنای یک طبقه‌بندی‌کننده SVM عمل آموزش انجام گرفته است. حساسیت این روش به بیش از نود و هشت درصد ارتقاءیافته درحالی که قدرت تشخیص و پیش‌بینی آن به ۹۶.۷ درصد رسیده است.

لازم به ذکر است، بیماری صرع یکی از رایج‌ترین بیماری‌های عصبی در دنیاست که در اثر اختلال در انتقال پیام سلول‌های مغز به‌ وجود می‌آید. تا پیش از دهه ۵۰ میلادی، متخصصین حوزه اعصاب بر این باور بودند که حملات صرعی تنها کمی قبلتر، دارای نشانه‌های بالینی بیماری هستند.

اما امروزه مدارک و اسناد علمی نشان می‌دهند که حملات صرعی از چند دقیقه و حتی چند ساعت پیش از وقوع در سیگنال‌های مغزی قابل پدیدار شدن هستند.

فرد مبتلا به این بیماری در زمان‌های نامشخصی دچار تشنج شده و ممکن است آسیب‌های جدی به خود وارد سازد و همچنین مراقبت از این بیمار برای جامعه پزشکی و خانواده کار سختی خواهد بود.

هوش مصنوعی و مهندسی پزشکی به کمک این افراد آمده است تا راهکاری برای پیش بینی وقوع بیماری صرع پیدا کند.

نتایج این تحقیق در مجله علمی Seizure از انتشارات Elsevier با ضریب تأثیر ۲.۸ در سال ۲۰۱۹ به چاپ رسیده است.

علاقه‌مندان برای دیدن نتایج این تحقیقات و مطالعه مقاله منتشر شده می‌توان به سایت زیر مراجعه کرد.
ارسال نظر
captcha
*شرایط و مقررات*
خبرگزاری دانشجو نظراتی را که حاوی توهین است منتشر نمی کند.
لطفا از نوشتن نظرات خود به صورت حروف لاتین (فینگیلیش) خودداری نمايید.
توصیه می شود به جای ارسال نظرات مشابه با نظرات منتشر شده، از مثبت یا منفی استفاده فرمایید.
با توجه به آن که امکان موافقت یا مخالفت با محتوای نظرات وجود دارد، معمولا نظراتی که محتوای مشابهی دارند، انتشار نمی یابد.
پربازدیدترین آخرین اخبار