دانشجویان دانشگاه علم و فرهنگ با استفاده از تکنیک های یادگیری ماشین و تحلیل امواج مغزی (EEG)، روش نوینی را برای شناسایی بیماری ام اس (MS) ارائه کردند که از نظر اقتصادی، سریع و دقیق می باشد.
پژوهش دکتر عبدالحسین رضائی، عضو هیئت علمی گروه مهندسی برق دانشگاه علم و فرهنگ، تحت عنوان “Machinelearning techniques in multiple sclerosis prediction using EEG” در مجله Biomedical Engineering: Applications, Basis and Communications که توسط انتشارات World Scientific و با نمایه Web of Science (ISI) منتشر شده است، نشان می دهد که این روش می تواند به عنوان یک گزینه مؤثر در مقابل روش های سنتی و پرهزینه ای مانند MRI در نظر گرفته شود.
محققان همچنین تاکید کرده اند که ادغام اطلاعات EEG با داده های حرکتی بیماران می تواند دقت تشخیص را به طرز قابل توجهی افزایش دهد. تیم دکتر رضائی، به بررسی روش های یادگیری ماشین در زمینه تشخیص زودهنگام بیماری MS از طریق تجزیه و تحلیل سیگنال های EEG پرداخته اند. نتایج این مطالعه حاکی از آن است که روش های سنتی تشخیص MS، نظیر MRI، نه تنها با هزینه های بالا همراه هستند بلکه فرآیند تشخیص را به تأخیر می اندازند و گاه نیز قابلیت تکرار ندارند. به همین ترتیب، بهره گیری از EEG و تکنیک های یادگیری ماشین می تواند راه حلی ارزان تر، سریع تر و با دقت بالاتر ارائه دهد.
علاوه بر این، یافته ها نشان می دهند که با اعمال تکنیک های تقسیم بندی باندهای EEG و پردازش داده ها در دو بُعد زمان و فرکانس، پژوهشگران موفق به کاهش قابل توجه خطا در تشخیص شده اند. این نتایج ممکن است به عنوان راهگشایی برای پژوهش های آتی در زمینه توسعه ابزارهای تشخیصی پیشرفته تر عمل کنند.
نویسندگان این تحقیق بر اهمیت جمع آوری مجموعه های داده ای جامع تر از EEG تاکید کرده و پیشنهاد می کنند که در آینده، ادغام EEG با سایر داده ها مانند تحلیل حرکات بیماران می تواند به بهبود دقت تشخیص کمک کند. از این رو، پیشرفت های اخیر در حوزه هوش مصنوعی و مهندسی پزشکی می تواند تأثیر بسزایی در تسریع تشخیص و بهبود روند درمان MS داشته باشد.
این مقاله از اینجا قابل دسترسی است