روانشناسی

به طور شگفت انگیز , کاهش فعالیت سلول های مغز چندین ثانیه قبل از امضای ریتمیک موج و موج شروع شد .
میر گفت : " ممکن است در آینده مورد توجه قرار گیرد تا بررسی شود که آیا کاهش فعالیت سلولی که پیش از حمله است , می تواند برای پیش بینی آن ها استفاده شود . "
مشارکت محققان در زمینه صرع , دریچه ای به وقایع سلولی ایجاد کرده است که در طول مدت غیبت در مغز رخ می دهد .
او گفت : " اکنون که ما می دانیم که " ارکستر " آشفته است , می توانیم به دنبال راه هایی برای درمان علل اصلی تشنجات در سطح سلولی باشیم . "
غیبت ناگهانی ممکن است چندین بار در روز اتفاق بیفتد , اما آن ها زیرک هستند و تنها چند ثانیه طول می کشند , بنابراین اغلب دیر یا زود تشخیص داده می شوند , زیرا به راحتی برای خیال بافی اشتباه می کنند .
روش پیش بینی حملات صرعی
سیستم طراحی شده برای استفاده از داده های دستگاه های غیر جراحی که با هوش مصنوعی و یادگیری ماشین کار می کنند .
منبع :
دانشگاه سیدنی
خلاصه :
مهندسان یک الگوریتم یادگیری ماشینی و هوش مصنوعی را برای پیش بینی شروع حملات صرعی توسعه داده اند .
حمله صرعی با یک هشدار کم و تقریبا ً یک سوم افراد مبتلا به صرع مقاوم به درمان است که این حملات را کنترل می کند . بیش از ۱ میلیون نفر در سراسر جهان با صرع زندگی می کنند .
امروزه محققان در دانشگاه سیدنی از هوش مصنوعی پیشرفته و یادگیری ماشین برای توسعه یک روش عمومی برای پیش بینی زمانی که حمله به ایمپلنت های جراحی نیاز ندارند , استفاده کرده اند .
دکتر امید ریاضی از دانشکده مهندسی و دانشگاه سیدنی گفت : " ما در مسیر توسعه یک دستگاه ارزان قیمت , قابل حمل و غیر جراحی هستیم که پیش بینی قابل اطمینانی برای افرادی که با صرع مقاوم در درمان زندگی می کنند را ارائه خواهد کرد . "
در یک مقاله منتشر شده در این ماه در شبکه های عصبی , دکتر وات سن و تیم او روشی را ارائه کرده اند که یک روش دقیق و دقیق برای پیش بینی حملات صرعی را ارائه کرده است .
دکتر مالون گفت که پیشرفت های قابل توجهی در زمینه هوش مصنوعی و همچنین میکرو و نانو الکترونیک صورت گرفته که امکان توسعه چنین سیستم هایی را فراهم کرده است .
" درست چهار سال پیش , نمی توانید هوش مصنوعی پیچیده ای را از طریق تراشه های الکترونیکی کوچک پردازش کنید . حالا کاملا ً در دسترس است . در پنج سال آینده , احتمالات بزرگ خواهند شد . "
این مطالعه از سه مجموعه داده از اروپا و ایالات متحده استفاده می کند . با استفاده از این داده ها , این تیم یک الگوریتم پیش بینی با حساسیت تا ۹۰ درصد و نرخ پیش بینی نادرست را تا یک ساعت توسعه داده است .
دکتر رفعت گفت : " در حالی که این مساله هنوز مقداری تردید باقی می گذارد , ما انتظار داریم که با افزایش دسترسی ما به داده های تشنجی , نرخ حساسیت ما بهبود خواهد یافت . "
کارول ایرلند , مدیر عامل حمله صرع در استرالیا , گفت : " زندگی با عدم قطعیت مداوم به طور قابل توجهی باعث افزایش اضطراب در افراد مبتلا به صرع و خانواده های آن ها می شود , و هرگز نمی دانند که ممکن است حمله بعدی رخ دهد .
حتی افراد مبتلا به صرع کاملا ً کنترل شده , نگرانی دائم خود را بیان کرده اند و نمی دانند که چه زمانی در کار , مدرسه , سفر و یا بیرون از دوستان حمله کنند .
هر پیشرفتی نسبت به پیش بینی تشنجات به طور قابل توجهی کیفیت زندگی و آزادی انتخاب افراد مبتلا به صرع را تحت تاثیر قرار می دهد . "
دکتر مورتیمر و محقق پیشرو این تحقیق از تکنیک های یادگیری ماشین عمیق و تکنیک های داده کاوی برای توسعه یک ابزار تحلیلی پویا استفاده کرده اند که می تواند مغز بیمار یا eeg , داده از یک کلاه پوشیدنی یا دیگر دستگاه های قابل حمل را برای جمع آوری داده های eeg بخواند .
تکنولوژی های پوشیدنی بر پایه تکنولوژی raspberry pi که به راحتی در دسترس است , به یک دستگاه ارزان قیمت متصل خواهد شد .

منبع سایت علم روز

مشاوره روانشناسی...