اكتشاف الفصام عبر إشارات EEG: إطار عمل متطور باستخدام تحويلات الطيف

تُعاني ملايين الأشخاص حول العالم من مرض الفصام، وهو اضطراب نفسي خطير يحتاج إلى تشخيص دقيق. تشكل التقنيات الحديثة مثل تخطيط كهربائية الدماغ (EEG) خطوة رائدة في هذا المجال. حيث توفر هذه التقنية إمكانية غير جراحية لدراسة نشاط المخ وتحليل حالة المرضى.

على الرغم من أن الدراسات السابقة في تصنيف EEG كانت مفعمة بالوعود، إلا أنها عانت من نقص البيانات وحدود في استراتيجيات المعالجة السابقة. لذلك، اقترح الباحثون إطار عمل جديد تصنيف الفصام يعتمد على تحويلات EEG، يُحوِّل البيانات المسجلة إلى تمثيلات زمنية وترددية باستخدام تحويل فورييه القصير (Short-Time Fourier Transform).

تمت تجربة هذا الإطار باستخدام مجموعة متنوعة من خوارزميات التعلم الآلي التقليدية، مثل آلات الدعم الناقل (Support Vector Machines) وغابات عشوائية (Random Forests) وXGBoost، بالإضافة إلى نماذج التعلم العميق، بما في ذلك الشبكات العصبية التلافيفية (CNN) والنماذج الهجينة لنموذج CNN-Transformer.

لضمان تقييم موثوق، تم إجراء جميع تقسيمات البيانات على مستوى الأفراد، مما يعكس بوضوح قوة هذه الطريقة في التنبؤ. أظهرت النتائج التجريبية أن النموذج الهجين CNN-Transformer (CT-SZ) حقق دقة AUC-ROC تصل إلى 88.41%، بينما حقق النموذج الآخر CNN + Squeeze and Excitation + Transformer (CST-SZ) معدل AUC-ROC بلغ 92.88% على مجموعة الاختبار المستقلة.

هذا الإطار لا يمثل خطوة مهمة فقط نحو تحسين تشخيص الفصام، بل يفتح أيضًا آفاقًا جديدة لطرق تشخيصية مبنية على علم الأعصاب والذكاء الاصطناعي. ما هي أفكارك حول هذه التطورات التقنية المذهلة؟ شاركنا آرائك في التعليقات!