
پژوهشگران دانشگاه علم و فرهنگ جهاددانشگاهی با استفاده از تکنیکهای یادگیری ماشین و تحلیل سیگنالهای مغزی (EEG) موفق شدند، روشی کمهزینه، سریع و دقیق برای تشخیص بیماری اماس (MS) ارایه دهند.
محققان همچنین پیشنهاد کردهاند: تلفیق دادههای EEG با سایر اطلاعات حرکتی بیماران میتواند دقت تشخیص را بیشازپیش افزایش دهد.
عبدالحسین رضائی عضو هیاتعلمی گروه مهندسی برق دانشگاه علم و فرهنگ به همراه تیمی از پژوهشگران ایرانی، روشهای یادگیری ماشین را برای تشخیص زودهنگام بیماری MS از طریق تحلیل سیگنالهای EEG بررسی کردهاند.
به گزارش برنا، بررسیهای انجام شده در این مقاله نشان میدهد که روشهای سنتی تشخیص MS، مانند MRI، علاوه بر هزینههای بالا، زمانبر و بعضاً غیرقابلتکرار هستند. در مقابل، استفاده از EEG همراه با تکنیکهای یادگیری ماشین میتواند تشخیصی کمهزینه، سریع و دقیق ارائه دهد.
همچنین نتایج نشان میدهد محققان با بهرهگیری از تکنیکهایی مانند تقسیمبندی باندهای EEG و پردازش دادهها در حوزه زمان و فرکانس توانستهاند میزان خطای تشخیص را به حداقل برسانند. این یافتهها میتوانند مسیر تحقیقات آینده را برای توسعه ابزارهای تشخیصی پیشرفتهتر هموار کنند.
نویسندگان در این مطالعه، بر ضرورت گردآوری مجموعههای داده گستردهتر از EEG تأکید کرده و پیشنهاد دادهاند: در آینده، ترکیب EEG با سایر دادههای مانند آنالیز حرکتی بیماران، میتواند دقت تشخیص را بیشازپیش افزایش دهد. برایناساس، پیشرفتهای اخیر در حوزه هوش مصنوعی و مهندسی پزشکی میتواند گامی بزرگ در راستای تشخیص سریعتر و درمان بهتر MS باشد.
انتهای پیام/