🧠تشخیص دقیق پارکینسون از طریق واکنش های مغزی عاطفی
📆 16 دسامبر 2024
🔻خلاصه: یک مطالعه جدید با تجزیه و تحلیل پاسخ های مغز به محرک های عاطفی با استفاده از EEG و AI به دقت تقریباً کاملی در تشخیص بیماری پارکینسون دست یافته است. محققان دریافتند که بیماران پارکینسونی احساسات را متفاوت پردازش می کنند، با تشخیص ترس، انزجار و تعجب دست و پنجه نرم می کنند و بیشتر بر شدت عاطفی تمرکز می کنند تا ظرفیت.
🧠 @Neuroscience_New
🔻داده های EEG از 20 بیمار و 20 کنترل سالم با استفاده از یادگیری ماشینی مورد تجزیه و تحلیل قرار گرفت و به امتیاز F1 0.97 برای دقت تشخیصی دست یافت. این پیشرفت یک روش تشخیصی غیر تهاجمی و عینی را ارائه می دهد که به طور بالقوه انقلابی در تشخیص و درمان زودهنگام بیماری پارکینسون ایجاد می کند.
🧠 @Neuroscience_New
🔻این یافته ها به جای تکیه بر تخصص بالینی و ارزیابی های خود بیمار، راهی عینی برای تشخیص اختلال حرکتی ناتوان کننده ارائه می دهد و به طور بالقوه گزینه های درمانی و رفاه کلی افراد مبتلا به بیماری پارکینسون را افزایش می دهد.
🧠 @Neuroscience_New
🔻تجزیه و تحلیل مغز عاطفی آنها بر تفاوت در واکنشهای عاطفی ضمنی بین بیماران پارکینسون، که عموماً اعتقاد بر این است که از اختلالات در تشخیص احساسات رنج میبرند، و افراد سالم متمرکز است.
🔻این تیم نشان داد که میتوانند بیماران و افراد سالم را با امتیاز F1 0.97 یا بالاتر، تنها بر اساس خوانشهای اسکن مغزی از پاسخهای احساسی شناسایی کنند.
🧠 @Neuroscience_New
🔻این عملکرد تشخیصی تنها از دادههای امواج مغزی با دقت بسیار نزدیک به 100% برخوردار است. امتیاز F1 معیاری است که دقت و یادآوری را ترکیب می کند، جایی که 1 بهترین مقدار ممکن است.
🔻نتایج نشان میدهد که بیماران پارکینسون الگوهای ادراک عاطفی خاصی را نشان میدهند، برانگیختگی عاطفی را بهتر از ظرفیت عاطفی درک میکنند، به این معنی که آنها بیشتر با شدت احساسات سازگار هستند تا خوشایند یا ناخوشایند بودن آن احساسات.
🧠 @Neuroscience_New
🔻همچنین مشخص شد که بیماران بیشتر با تشخیص ترس، انزجار و تعجب، یا اشتباه گرفتن احساسات با ظرفیت های متضاد، مانند اشتباه گرفتن غم و اندوه با شادی، دست و پنجه نرم می کنند.
🔻محققان داده های الکتروانسفالوگرافی یا EEG را ثبت کردند که فعالیت الکتریکی مغز 20 بیمار پارکینسون و 20 فرد سالم را اندازه گیری کرد.
🧠 @Neuroscience_New
🔻شرکتکنندگان کلیپهای ویدئویی و تصاویری را تماشا کردند که برای تحریک واکنشهای احساسی طراحی شده بودند.
پس از ضبط دادههای EEG، چندین توصیفگر EEG برای استخراج ویژگیهای کلیدی پردازش شدند و این موارد به نمایشهای بصری تبدیل شدند، که سپس با استفاده از چارچوبهای یادگیری ماشینی مانند شبکههای عصبی کانولوشن، برای تشخیص خودکار الگوهای متمایز در نحوه پردازش احساسات بیماران، تجزیه و تحلیل شدند. در مقایسه با گروه سالم
🧠 @Neuroscience_New
🔻این پردازش باعث تمایز بسیار دقیق بین بیماران و افراد سالم می شود. توصیفگرهای کلیدی EEG مورد استفاده شامل بردارهای توان طیفی و الگوهای فضایی رایج است. بردارهای توان طیفی، توزیع توان را در باندهای فرکانسی مختلف، که با حالتهای احساسی مرتبط هستند، ضبط میکنند.
🧠 @Neuroscience_New
🔻الگوهای فضایی متداول با به حداکثر رساندن واریانس برای یک کلاس در حالی که آن را برای کلاس دیگر به حداقل می رساند، تمایز بین طبقاتی را افزایش می دهد و امکان طبقه بندی بهتر سیگنال های EEG را فراهم می کند.
🖇منبع:
https://neurosciencenews.com/parkinsons-ai-emotion-28255/
ترجمه مقاله NU507
؛--------------------------
🧠 Telegram: @Neuroscience_New
👥 Group: @PortalRavan
instagram.com/Neuroscience_New
🎯 پرتال روانشناسی اینجاست
📆 16 دسامبر 2024
🔻خلاصه: یک مطالعه جدید با تجزیه و تحلیل پاسخ های مغز به محرک های عاطفی با استفاده از EEG و AI به دقت تقریباً کاملی در تشخیص بیماری پارکینسون دست یافته است. محققان دریافتند که بیماران پارکینسونی احساسات را متفاوت پردازش می کنند، با تشخیص ترس، انزجار و تعجب دست و پنجه نرم می کنند و بیشتر بر شدت عاطفی تمرکز می کنند تا ظرفیت.
🧠 @Neuroscience_New
🔻داده های EEG از 20 بیمار و 20 کنترل سالم با استفاده از یادگیری ماشینی مورد تجزیه و تحلیل قرار گرفت و به امتیاز F1 0.97 برای دقت تشخیصی دست یافت. این پیشرفت یک روش تشخیصی غیر تهاجمی و عینی را ارائه می دهد که به طور بالقوه انقلابی در تشخیص و درمان زودهنگام بیماری پارکینسون ایجاد می کند.
🧠 @Neuroscience_New
🔻این یافته ها به جای تکیه بر تخصص بالینی و ارزیابی های خود بیمار، راهی عینی برای تشخیص اختلال حرکتی ناتوان کننده ارائه می دهد و به طور بالقوه گزینه های درمانی و رفاه کلی افراد مبتلا به بیماری پارکینسون را افزایش می دهد.
🧠 @Neuroscience_New
🔻تجزیه و تحلیل مغز عاطفی آنها بر تفاوت در واکنشهای عاطفی ضمنی بین بیماران پارکینسون، که عموماً اعتقاد بر این است که از اختلالات در تشخیص احساسات رنج میبرند، و افراد سالم متمرکز است.
🔻این تیم نشان داد که میتوانند بیماران و افراد سالم را با امتیاز F1 0.97 یا بالاتر، تنها بر اساس خوانشهای اسکن مغزی از پاسخهای احساسی شناسایی کنند.
🧠 @Neuroscience_New
🔻این عملکرد تشخیصی تنها از دادههای امواج مغزی با دقت بسیار نزدیک به 100% برخوردار است. امتیاز F1 معیاری است که دقت و یادآوری را ترکیب می کند، جایی که 1 بهترین مقدار ممکن است.
🔻نتایج نشان میدهد که بیماران پارکینسون الگوهای ادراک عاطفی خاصی را نشان میدهند، برانگیختگی عاطفی را بهتر از ظرفیت عاطفی درک میکنند، به این معنی که آنها بیشتر با شدت احساسات سازگار هستند تا خوشایند یا ناخوشایند بودن آن احساسات.
🧠 @Neuroscience_New
🔻همچنین مشخص شد که بیماران بیشتر با تشخیص ترس، انزجار و تعجب، یا اشتباه گرفتن احساسات با ظرفیت های متضاد، مانند اشتباه گرفتن غم و اندوه با شادی، دست و پنجه نرم می کنند.
🔻محققان داده های الکتروانسفالوگرافی یا EEG را ثبت کردند که فعالیت الکتریکی مغز 20 بیمار پارکینسون و 20 فرد سالم را اندازه گیری کرد.
🧠 @Neuroscience_New
🔻شرکتکنندگان کلیپهای ویدئویی و تصاویری را تماشا کردند که برای تحریک واکنشهای احساسی طراحی شده بودند.
پس از ضبط دادههای EEG، چندین توصیفگر EEG برای استخراج ویژگیهای کلیدی پردازش شدند و این موارد به نمایشهای بصری تبدیل شدند، که سپس با استفاده از چارچوبهای یادگیری ماشینی مانند شبکههای عصبی کانولوشن، برای تشخیص خودکار الگوهای متمایز در نحوه پردازش احساسات بیماران، تجزیه و تحلیل شدند. در مقایسه با گروه سالم
🧠 @Neuroscience_New
🔻این پردازش باعث تمایز بسیار دقیق بین بیماران و افراد سالم می شود. توصیفگرهای کلیدی EEG مورد استفاده شامل بردارهای توان طیفی و الگوهای فضایی رایج است. بردارهای توان طیفی، توزیع توان را در باندهای فرکانسی مختلف، که با حالتهای احساسی مرتبط هستند، ضبط میکنند.
🧠 @Neuroscience_New
🔻الگوهای فضایی متداول با به حداکثر رساندن واریانس برای یک کلاس در حالی که آن را برای کلاس دیگر به حداقل می رساند، تمایز بین طبقاتی را افزایش می دهد و امکان طبقه بندی بهتر سیگنال های EEG را فراهم می کند.
🖇منبع:
https://neurosciencenews.com/parkinsons-ai-emotion-28255/
ترجمه مقاله NU507
؛--------------------------
🧠 Telegram: @Neuroscience_New
👥 Group: @PortalRavan
instagram.com/Neuroscience_New
🎯 پرتال روانشناسی اینجاست