تصنيف إشارات تخطيط الدماغ الكهربائي لاضطراب فرط الحركة وتشتت الانتباه

يركّز هذا العمل على تصنيف إشارات تخطيط كهربية الدماغ (EEG) للأطفال المصابين باضطراب فرط الحركة وتشتت الانتباه (ADHD) باستخدام تقنيات التعلم العميق. تم الحصول على مجموعة البيانات من منصة IEEE DataPort، وتضم تسجيلات EEG لأطفال مشخصين باضطراب ADHD وأطفال أصحاء كمجموعة ضابطة. تم تسجيل الإشارات وفق نظام 10–20 القياسي باستخدام 19 قناة وبمعدل أخذ عينات قدره 128 هرتز، وذلك أثناء تنفيذ مهام تعتمد على الانتباه البصري.

تم في البداية تحويل بيانات EEG الخام من صيغة .mat إلى صيغة .fif لتسهيل معالجتها. بعد ذلك، تم تطبيق سلسلة متكاملة من خطوات المعالجة المسبقة باستخدام مكتبة MNE، شملت مرشح تمرير عالي عند 0.5 هرتز، ومرشح Notch عند 50 هرتز لإزالة تداخل التيار الكهربائي، بالإضافة إلى تطبيق تقنية Zero Padding لتجنب فقدان البيانات عند بداية ونهاية التسجيل. كما تم استخدام مرشح المتوسط المتحرك لتنعيم الإشارات، ومرشح المرجع المتوسط المشترك (Common Average Reference) للحد من التشوهات الناتجة عن الضوضاء.

في مرحلة إعداد البيانات، تم تقسيم تسجيلات EEG إلى مقاطع زمنية ثابتة بطول 10 ثوانٍ مع نسبة تداخل 75%. ولضمان التوازن بين الفئات، تم اختيار عدد متقارب من تسجيلات الأطفال المصابين بـ ADHD والأطفال الأصحاء. تم تحويل كل مقطع زمني إلى مصفوفة رقمية وإسناد التصنيفات المناسبة له، ثم جرى توحيد البيانات باستخدام Standard Scaler وتقسيمها إلى مجموعات تدريب وتحقق واختبار.

تم تصميم نموذج شبكة عصبية التفافية أحادية البعد (1D CNN) لأداء مهمة التصنيف الثنائي بين فئتي ADHD والأصحاء. يتكوّن النموذج من عدة طبقات التفاف وتجميع وتفعيل وإسقاط وطبقات كثيفة، مع طبقة إخراج تستخدم دالة التفعيل Sigmoid. تم تدريب النموذج باستخدام مُحسِّن Adam لتحقيق أداء فعّال ودقيق في التمييز بين أنماط إشارات EEG المختلفة.