>
Fa   |   Ar   |   En
   پردازش سیگنال Eeg به منظور بررسی رابطه میان درجه هیپنوتیزم‌پذیری؛ فعالیت نیم‌کره‌های مغزی و لوب‌های قدامی-خلفی در حالت هیپنوتیزم  
   
نویسنده بهبهانی سرور ,مطیع نصرآبادی علی
منبع مهندسي پزشكي زيستي - 1389 - دوره : 4 - شماره : اول - صفحه:53 -64
چکیده    تحلیل سیگنال‌های eeg نقش مهمی در زمینه‌های گسترده‌ای مانند بررسی داروهای روان‌پزشکی، مطالعه در زمینه خواب، ثبت و تشخیص صرع و تحلیل پدیده هیپنوتیزم بازی می‌کند. از سال‌ها پیش هیپنوتیزم به‌عنوان روشی موثر برای کمک به بیماران در زمینه‌های مختلف مانند کاهش اضطراب، ترک برخی عادات نادرست، کنترل درد و ... شناخته شده است. eeg حین هیپنوتیزم خالص و eeg در حالت نرمال و غیرهیپنوتیزم کاملاً با یکدیگر تفاوت دارند. روش های مختلفی برای تحلیل سیگنال eeg وجود دارند و روش شاخص شباهت فازی یکی از روش های شناخته شده در این زمینه است. در این مقاله، ویژگی‌های سیگنال eeg نیم‌کره‌های چپ-راست و لوب قدامی- خلفی در حالت هیپنوتیزم (ویژگی های فرکتال، آنتروپی موجک، باندهای فرکانسی) که متعلق به سه گروه با هیپنوتیزم‌پذیری پایین، متوسط و بالا، بودند استخراج شده و با استفاده از روش شاخص شباهت فازی، مورد بررسی قرار گرفتند تا مشخص شود که آیا رابطه معناداری میان فعالیت این نیم‌کره‌ها در حالت هیپنوتیزم و درجه هیپنوتیزم‌پذیری افراد وجود دارد یا خیر. در نهایت پس از تایید وجود رابطه معنادار میان سیگنال‌های نواحی مختلف، با استفاده از ویژگی‌هایی که در مرحله قبل رابطه معناداری را نشان دادند، طبقه‌بندی این گروه‌ها انجام شد. در واقع از ویژگی‌هایی که در مرحله قبل پیش ایجاد تمایز میان گروه‌های مختلف هیپنوتیزم‌پذیری را نشان دادند به عنوان ویژگی‌های طبقه‌بندی‌کننده استفاده شد تا بر اساس آن بتوان افراد را به سه دسته با قابلیت هیپنوتیزم‌پذیری پایین، متوسط و بالا تقسیم کرد. بهترین نتیجه صحت طبقه‌بندی برابر با 94% (برای دو دسته ویژگی: 1. آنتروپی، هیگوچی، فرکانس بالا و 2. انرژی، آنتروپی) و کمترین میزان آن برابر با 5/87% (برای ویژگی‌های آنتروپی، هیگوچی و فرکانس پایین)، به دست آمده است.
کلیدواژه هیپنوتیزم ,هیپنوتیزم‌پذیری ,شاخص شباهت فازی ,نیم‌کره چپ و راست ,لوب قدامی و خلفی ,ویژگی ,طبقه‌بندی ,Hypnosis ,Hypnotizability Degree ,Fuzzy Similarity Index ,Left-Right Hemispheres ,Frontal-Back Lobe
آدرس دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشجوی دکترا، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران, ایران, دانشگاه شاهد, استادیار، گروه مهندسی پزشکی، دانشکده فنی، دانشگاه شاهد، تهران, ایران
پست الکترونیکی nasrabadi@shahed.ac.ir
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved