1 / 16

استاد راهنما: جناب آقای دکتر سعید راحتی قوچانی استاد مشاور: سرکار خانم دکتر عاطفه سلطانی فر

تشخیص و کمی سازی سیگنال الکتروانسفالوگرافی کودکان دارای اختلال کمبود توجه/ بیش فعالی. استاد راهنما: جناب آقای دکتر سعید راحتی قوچانی استاد مشاور: سرکار خانم دکتر عاطفه سلطانی فر ارائه دهنده: مهسا میرشاهی. تیر 1389. فهرست مطالب. بیان مساله تحقیق اهمیت و ضرورت انجام تحقیق

london
Download Presentation

استاد راهنما: جناب آقای دکتر سعید راحتی قوچانی استاد مشاور: سرکار خانم دکتر عاطفه سلطانی فر

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. تشخیص و کمی سازی سیگنال الکتروانسفالوگرافی کودکان دارای اختلال کمبود توجه/ بیش فعالی استادراهنما: جناب آقای دکتر سعید راحتی قوچانی استادمشاور: سرکار خانم دکتر عاطفه سلطانی فر ارائه دهنده: مهسا میرشاهی تیر 1389

  2. فهرست مطالب • بیان مساله تحقیق • اهمیت و ضرورت انجام تحقیق • مرور تحقیقات گذشته • جنبه جدید بودن و نوآوری در تحقیق • شرح روش تحقیق • مراجع

  3. بیان مساله تحقیق • اختلال کمبود توجه/ بیش فعالی یک عارضه رفتاري و از شایع‏ترین اختلالات روانپزشکی مربوط به دوران کودکی و نوجواني است و به دلیل عدم تعادل عصبی شیمیایی در مغز ایجاد می‏شود. • علل بروز اين اختلال

  4. بیان مساله تحقیق • مشکلات ناشی از اختلال ADHD در رنج سني مختلف

  5. بیان مساله تحقیق • تشخیص این اختلال • عمده تشخيص اختلال از روي رفتار فرد در كارهاي روزانه اش انجام مي گيرد. • تقریبا 75% علل ADHD ژنتيك است ؛ لذا سابقه داشتن ADHD در خانواده از مهم ترين متغيرها هنگام تشخيص اختلال است. • معيارهاي*DSM-IV-TR • آزمون­های عملکرد پیوسته نظیر TOVA،MMAT، CPTو WISC** • ويژگي هاي امواج مغزی (EEG) در فرد داراي اختلال: توان نسبی افزایش یافته باند تتا، توان نسبی کاهش یافته باند بتا و اغلب آلفا، نسبت توان افزايش یافته باند تتا/بتا. • استفاده از QEEG بخصوص استفاده از نرخ تتا به بتا در ناحيه Cz در كنار ديگر بررسي ها در تشخيص ADHD نيز مفيد است.*** *American Psychiatric Association: Diagnostic and statistical manual of mental disorders DSM-IV. American Psychiatric Association, 4th 1994. **McGee RA, Clark, SE, Symons, DK. Does the Conners’ Continuous Performance Test Aid in ADHD Diagnosis? J Abnorm Child Psychol 2000 28(5):415-424. ***V. J. Monastra, "Electroencephalographic biofeedback (neurotherapy) as a treatment for attention deficit hyperactivity disorder: rationale and empirical foundation," Child and Adolescent Psychiatric Clinics of North America, vol. 14, no. 1, p. 55, Jan.2005.

  6. بیان مساله تحقیق • چون علائم مرکزی ADHD شامل آسیب در کنترل رفتار و فقدان توجه پایدار می‏شود مطالعات مربوط به تصویر برداری عصبی روی ساختارهایی متمرکز شده است که در کنترل حرکت (مثل مخچه و basalganglia) و عملکردهای توجهی (مثل شکنج کمربند قدامی، ناحیه پیشانی سمت راست، نواحی قدامی و خلفcorpuscallosum،caudate ) دخیل هستند. • بافت کمتر نوار CorpusCallosum • شارش خون کمتر در AnteriorCingulate و خون بیشتر در نوار باریکی از لوب فرونتال افراد دارای اختلال در تصویربرداری FMRI

  7. بیان مساله تحقیق • SPECT • نبود عدمتقارنCaudateNuclei(بخش سمت راست بایستی حدود 3% بزرگتر از سمت چپ باشد.) • MRIدر كودكان مبتلا، حجم دمي كوچكتري را در نيمكره راست نشان مي­دهد. • تصویربرداری PET نیز حاکی از كاهش متابلیسم مخ در نواحی مربوط به کنترل توجه در مغز و کاهش متابوليسم گلوكز در بازال گانگليا است.

  8. اهمیت و ضرورت انجام تحقیق • می دانیم درمان موثر یک اختلال نیازمند تشخیص صحیح آن است. • بيشتر اطلاعات دريافت شده از مغز از تصوير برداري با CT، MRI، functionalSPEC و PET بدست آمده است. اشعه براي كودكان خصوصا" در سنين كمتر از 12-13 سال مشكل آفرين مي باشد لذا در گسترش تحقيقات محدوديت ايجاد مي كند؛ بنابراین در سال های اخیر تحقیقات در تشخیص این اختلال عمدتا روی سیگنال الکتروانسفالوگرافی و اغلب در حالت استراحت (چشم باز و چشم بسته) انجام شده است. • به دلیل ماهیت غیر خطی و آشوب گونه سیگنال مغزی، استفاده از ابزارهای خطی مثل فیلترسازی و استخراج ویژگیهای فرکانسی از سیگنال مغزی باعث از بین رفتن ماهیت دینامیکی و در نتیجه از دست دادن اطلاعات در سیگنال مغزی می شود؛ ولی در عوض ویژگی های غیرخطی مانند نمای لیاپانوف، بعد فرکتال و بعد همبستگی قادر به حفظ ماهیت اصلی سیگنال مغزی بوده و برای کمی سازی سیگنال مغزی مناسب هستند. • هدف و چشم انداز ما از تعریف این پروژه این است که به پاسخ این سوالات برسیم که : • ویژگیهای کارا و موثر از سیگنال مغزی در تشخیص اختلال کدامند؟ • آیا از طریق ثبت سیگنال مغزی می توانیم درصد ابتلای بیمار را استخراج و آن را کمی سازی کنیم؟

  9. مرور تحقیقات گذشته • Koeheler چگالی توان EEGرا در بزرگسالان دارای اختلال در حالت چشم بسته و در برخی از باندها مورد ارزیابی قرار داد و نهایتا نتیجه ای که گرفت این بود که چگالی توان الفا و تتا در این افراد در مقایسه با گروه های بدون اختلال افزایش یافته است. علاوه بر این، این را نیز گزارش کردند که طیف توان EEGبین بزرگسالان و کودکان دارای اختلال نیز مقداری تفاوت دارد.* • در **از طیف توان سه بعدی EEG و FFT استفاده شده که نشان دهد بیماران ADHD کمبودهایی را در سوئیچ و پرش از یک کار نیازمند توجه به کار دیگر دارند. در این مقاله از مدل بازگشتی لاجستیک استفاده کردند و به درصد صحت 80% در طبقه بندی این اختلال رسیدند. • در***Alexander دریافت که سوژه های دارای اختلال در اعمالی که با تحریکات دیداری-شنیداری انجام میدهند توان EEGپایینی را در فرکانس های حدود 1 هرتز دارند. • اخیرا در ****در سال 2010 در تشخیص این اختلال با کمک ERP به درصد صحت 92% رسیدند. • *Koehler S, Lauer P, Schreppel T, Jacob C, Heine M, Boreatti-Hümmer A, et al. Increased EEG power density in alpha and theta bands in adult ADHD patients. Journal of Neural Transmission 2009; 116: 97-104. • **Kovatchev B, Cox D, Hill R, Reeve R, Robeva R, Loboschefski T. A psychophysiological marker of Attention Deficit/Hyperactivity Disorder (ADHD)-defining the EEG consistency index. Applied Psychophysiology and Biofeedback 2001; 26: 127-140. • ***Alexander DM, Hermens DF, Keage HAD, Clark CR, Williams LM, Kohn MR, et al. Event-related wave activity in the EEG provides new marker of ADHD. Clinical Neurophysiology 2007; 119: 163-179. • **** Andreas Mueller, GianCandrian, Juri D Kropotov, Valery A Ponomarev, Gian-Marco Baschera, "Classification of ADHD patients on the basis of independent ERP components using a machine learning system", Mueller et al. Nonlinear Biomedical Physics 2010, 4(Suppl 1):S1

  10. مقالات ژورنالی پزشکی

  11. مقالات ژورنالی مهندسی

  12. مقالات ژورنالی مهندسی

  13. جنبه جدید بودن و نوآوری در تحقیق با توجه به مرور مقالات دریافتیم که مطالعاتی که تا حال روی کودکان انجام شده با کمک استخراج ویژگی های فرکانسی بوده و قصد ما این است که عمدتا روی استخراج ویژگی های غیر خطی و دسته بندی های متنوع تری کار کنیم.

  14. شرح روش تحقیق • جمع آوری داده با همکاری گروه آتیه تهران • پیش‌پردازش • استخراج ویژگی • طبقه بندی کننده ها

  15. مراجع [1] Caei, H., J. Bouchez, et al. (2009). "Inattentive Symptoms of ADHD Are Related to Evening Orientation." Journal of Attention Disorders Online First, Apr. 22. [2] Solanto MV, Gilbert SN, Raj A, Zhu J, Pope-Boyd S, Stepak B, et al. Neurocognitive functioning in AD/HD, predominantly inattentive and combined subtypes. Journal of Abnormal Child Psychology 2007; 35: 729-744. [3] McGee RA, Clark, SE, Symons, DK. Does the Conners’ Continuous Performance Test Aid in ADHD Diagnosis? J Abnorm Child Psychol 2000 28(5):415-424.  [4] Xiaobo Li, Jiefeng Jiang, Wanlin Zhu, Chunshui Yu, Manqiu Sui, Yufeng Wang, Tianzi Jiang " Asymmetry of prefrontal cortical convolution complexity in males with attention-deficit/hyperactivity disorder using fractal information dimension " ,Brain & Development 29 (2007) 649–655   [5] Qiu, A., D. Crocetti, et al. (2008). "Basal Ganglia Volume and Shape in Children with Attention Deficit Hyperactivity Disorder." AJP in advance, Published November 17.  [6] M. Jack Cotlar, MD, "Attention Deficit Hyperactivity Disorder (ADHD) Life Insurance Implications". Journal of Insurance Medicine Insur Med 2003;35:51–56  [7] Makris N, Biederman J, Valera EM, Bush G, Kaiser J, Kennedy DN, et al. Cortical thinning of the attention and executive function networks in adults with attention-deficit/hyperactivity disorder. Cereb Cortex 2006,  [8] Shaw P, Lerch J, Greenstein D, Sharp W, Clasen L, Evans A, et al. Longitudinal mapping of cortical thickness and clinical outcome in children and adolescents with attention-deficit/hyperactivity disorder. Arch Gen Psychiatry 2006;63:540–9.  [9] Andreas Mueller, GianCandrian, Juri D Kropotov, Valery A Ponomarev, Gian-Marco Baschera, "Classification of ADHD patients on the basis of independent ERP components using a machine learning system", Mueller et al. Nonlinear Biomedical Physics 2010, 4(Suppl 1):S1 [10] Koehler S, Lauer P, Schreppel T, Jacob C, Heine M, Boreatti-Hümmer A, et al. Increased EEG power density in alpha and theta bands in adult ADHD patients. Journal of Neural Transmission 2009; 116: 97-104.

  16. [11] Yordanov J, Banaschewski T, Kolev V, Woerner W, Rothenberger A. Abnormal early stages of task stimulus processing in children with attention-deficit hyperactivity disorder: evidence from event-related gamma oscillations. Clinical Neurophysiology 2001; 112: 1119-1127.  [12] Kovatchev B, Cox D, Hill R, Reeve R, Robeva R, Loboschefski T. A psychophysiological marker of Attention Deficit/Hyperactivity Disorder (ADHD)-defining the EEG consistency index. Applied Psychophysiology and Biofeedback 2001; 26: 127-140.  [13] Alexander DM, Hermens DF, Keage HAD, Clark CR, Williams LM, Kohn MR, et al. Event-related wave activity in the EEG provides new marker of ADHD. Clinical Neurophysiology 2007; 119: 163-179.

More Related