Στατιστική Και Τεχνητά Νευρωνικά Δίκτυα Σε Ψυχιατρικές Εφαρμογές

Abstract

Η παρούσα διδακτορική διατριβή αποσκοπεί στην ανάπτυξη κατάλληλης μεθοδολογίας για την ανάλυση και κατηγοριοποίηση χρονολογικών σειρών. Η προτεινόμενη μεθοδολογία εφαρμόζεται σε Εγκεφαλικά Προκλητά Δυναμικά (πρόκειται για μετρήσεις ηλεκτρικού δυναμικού, σε διάφορα σημεία του κρανίου, ως προς το χρόνο), αλλά μπορεί να γενικευτεί σε οποιεσδήποτε χρονολογικές σειρές.Αρχικά γίνεται περιγραφή της διαδικασίας καταγραφής των Εγκεφαλικών Προκλητών Δυναμικών (ERP), ενώ η μετέπειτα ανάλυσή τους περιλαμβάνει κλασικά στατιστικά μέτρα (t-test, discriminant analysis, kolmogorov-smirnov test), δυναμικά μέτρα (Εντροπία Κατά Προσέγγιση - Approximate Entropy) καθώς και Τεχνητά Νευρωνικά Δίκτυα (ΤΝΔ Χρονικής Υστέρησης). Η κατηγοριοποίησή των χρονοσειρών συνιστά ένα πρόβλημα Αναγνώρισης Προτύπων (Pattern Recognition) και στόχος είναι η επιτυχής αναγνώριση της εγκεφαλικής κατάστασης ενός ατόμου (υγιής ή ασθενής), βάσει του ERP του. Η προτεινόμενη μεθοδολογία αποσκοπεί στη δημιουργία ενός ισχυρού διαγνωστικού μέσου, συμπληρωματικού των ψυχοφυσιολογικών δοκιμασιών στις οποίες υποβάλλεται ένας ψυχικά ασθενής. Η διαδικασία είναι δυνατό να λειτουργήσει ως εργαλείο αποτίμησης των εφαρμοζόμενων θεραπευτικών διαδικασιών.