تفكيك افراد سالم و ADHD در دوران كودكي و بزرگ‌سالي با استفاده از فضاي فاز EEG مرتب شده توسط قطعات پوانكاره‌ي شعاعي

Separating the Healthy and ADHD People in Childhood and Adulthood using the EEG Phase Space Sorted by the Radial Poincare Sections

اختلال كم توجهي/بيش فعالي (ADHD) يك اختلال رشدي عصبي است كه مي تواند در افراد با سنين مختلف در جامعه، به خصوص گروه كودكان ايجاد شود و سبب تغيير در رفتار آنها شود. مطالعات گذشته اغلب بر روي پردازش هاي حوزه فركانسي و يا جنبه هاي ديناميك غير خطي سيگنال هاي EEG از قبيل بعد همبستگي، بعد فركتال، نماي لياپانوف، آنتروپي و نرخ بازگشت فرايندهاي مغزي براي تفكيك افراد مبتلا به ADHD متمركز بوده اند. در اين مطالعه ما با استفاده از قطاع هاي شعاعي پوانكاره در فضاي فاز سيگنال هاي EEG افراد مبتلا به ADHD و افراد سالم در دو گروه خردسالان و بزرگسالان و مرتب سازي اين فضا و همچنين استخراج ويژگي هاي هندسي مختلف، ديدگاه متفاوتي از ميزان پيچيدگي فعاليت هاي مغزي و سطح پويايي افراد مبتلا به ADHD در مقايسه با افراد سالم را ارايه ميكنيم و به ارزيابي حجم بستر نوسان سيگنال EEG مي پردازيم. در نهايت ما با ارزيابي ويژگي هاي استخراج شده و استفاده از الگوريتم SFS بر مبناي طبقه بندي كننده RBF-SVM توانستيم به تفكيك افراد مبتلا به ADHD از افراد سالم در دو گروه خردسالان و بزرگسالان، به ترتيب با صحت (2/04±93/20) و (1/13±95/60) دست يابيم. نتايج اين تحقيق نشان داد حجم بستر نوسان سيگنال EEG افراد مبتلا به ADHD نسبت به افراد سالم به طور قابل توجهي بيشتر بوده است كه اين موضوع بيانگر افزايش ميزان پويايي و در نتيجه كاهش ميزان پيچيدگي فعاليت هاي مغزي در اين افراد است. همچنين در اين پژوهش مشخص شد افزايش حجم بستر نوسان سيگنال هاي EEG در كودكان نسبت به بزگسالان بيشتر است كه اين موضوع نشان دهنده افزايش سطح پويايي كودكان نسبت به بزرگسالان مي باشد. بنابراين مي توان ADHD و سن را دو عامل مهم در افزايش حجم بستر نوسان سيگنال EEG معرفي كرد.

Attention Deficit/Hyperactivity Disorder (ADHD) is a neurodevelopmental disorder that can affect people of all ages in the community, especially children, and cause changes in their behavior. Previous studies have often focused on frequency domain processing or the nonlinear dynamic aspects of EEG signals such as correlation dimension, fractal dimension, Lyapunov exponent, entropy, and recurrence rate of brain processes to differentiate individuals with ADHD. In this study, we evaluate the volume of the EEG signal oscillation basin using Poincare sections in the phase space of EEG signals of people with ADHD and healthy people and sort this space as well as extract various geometric features. We present a different perspective of complexity of brain activity and the level of dynamism of people with ADHD compared to healthy individuals. Finally, by evaluating the extracted features and using the SFS algorithm based on the RBF-SVM classifier, we were able to separate people with ADHD from healthy people in the groups of children and adults, with accuracy of 93.20±2.04 and 95.60±1.13. The results of this study showed that the volume of the EEG signal oscillation basin in people with ADHD was significantly higher than healthy people, which indicates an increase in the degree of dynamism and thus a decrease in the complexity of brain activity in these people. It was also identified in this study that the increase in the volume of the EEG signal oscillation basin in children is more than adults, which indicates an increase in the level of dynamism of children compared to adults. Therefore, ADHD and age can be introduced as two important factors in changing the volume of the EEG signal oscillation basin.