@article { author = {Ganjali, M. A. and Shalchyan, V.}, title = {Extracting Spatial Spectral Patterns from EEG Signals for Diagnosis of Mild Cognitive Impairment}, journal = {TABRIZ JOURNAL OF ELECTRICAL ENGINEERING}, volume = {48}, number = {4}, pages = {1741-1752}, year = {2019}, publisher = {Faculty of Electrical & Computer Engineering}, issn = {2008-7799}, eissn = {2538-3051}, doi = {}, abstract = {Mild cognitive impairment )MCI( is an early stage of Alzheimer's disease)AD). Early diagnosis of this disease increases the likelihood of the treatment and prevents its conversion to dementia. The purpose of this study is the discrimination and the classification of two groups of healthy and MCI subjects by an advanced method of extracting spatial spectral features from electroencephalographic (EEG) signals. Filter bank common spatial pattern (FBCSP) has been recently used for classifying motor imagery EEG data in brain-computer interface researches. Here, we propose using FBCSP for classifying EEG data from healthy and MCI subjects. The proposed method was tested and compared to the popular method of frequency band-power and to the classic common spatial pattern (CSP) using a dataset of 9 MCI patients and 12 healthy subjects. A leave-one-out cross validation, using FBCSP resulted in a classification accuracy of 100% and outperformed both the frequency band-power and classic CSP methods. These results reveal the important role of using the learned spatial combinations of EEG signals in different frequency bands as effective features for discrimination of MCI and normal subjects.}, keywords = {Mild cognitive impairment (MCI),Alzheimer's disease (AD),Electroencephalogram (EEG),Filter bank common spatial pattern (FBCSP)}, title_fa = {استخراج الگوهای فضایی طیفی از سیگنال‌های الکتروانسفالوگرام برای تشخیص اختلال شناختی خفیف}, abstract_fa = {اختلال شناختی خفیف (MCI) مرحله ابتدایی بیماری آلزایمر(AD) قلمداد می‌شود. تشخیص زودهنگام این عارضه، احتمال درمان و جلوگیری از تبدیل آن به زوال عقلی را افزایش می‌دهد. هدف این مطالعه، تفکیک و طبقه‌بندی دو گروه افراد سالم و بیماران MCI به‌وسیله روش پردازشی پیشرفته با به‌کارگیری فیلترهای فضایی-طیفی در استخراج ویژگی از سیگنال‌های الکتروانسفالوگرام EEG است. روش پیشنهادی بانک فیلتر الگوی فضایی مشترک (FBCSP) است که اخیراً در مطالعات واسط‌های مغز و کامپیوتر برای جداسازی تصورات حرکتی با موفقیت استفاده شده است ولی تاکنون درکاربرد تشخیص MCI بررسی و به‌کارگیری نشده است. تحلیل و بررسی روی داده‌های 9 فرد بیمار MCI و 12 فرد سالم صورت گرفته و با روش‌های رایج استخراج ویژگی از توان باندهای فرکانسی و الگوی فضایی مشترک (CSP) کلاسیک مقایسه شده است. به‌کارگیری روش FBCSP دقت تفکیک 100 درصد را در ارزیابی بایک نمونه خارج شده درپی داشت. یافته‌های این مطالعه، برتری قابل توجه روش FBCSP نسبت به روش توان باندهای فرکانسی و CSP کلاسیک را در دقت تشخیص MCI نشان می‌دهد. نتایج این مطالعه بر نقش استفاده از ترکیب‌های فضایی یادگیری شده در هریک از زیر باندهای فرکانسی برای استخراج ویژگی‌های مؤثر در تفکیک افراد سالم از بیماران MCI تأکید دارد.}, keywords_fa = {Mild cognitive impairment (MCI),Alzheimer's disease (AD),Electroencephalogram (EEG),Filter bank common spatial pattern (FBCSP)}, url = {https://tjee.tabrizu.ac.ir/article_8519.html}, eprint = {https://tjee.tabrizu.ac.ir/article_8519_babc59109b87411a3f39f8a04d797359.pdf} }