به گزارش گروه دانشگاه خبرگزاری دانشجو؛ به نقل از روابط عمومی وزارت علوم، نتایج مقاله عبدالحسین رضائی عضو هیئتعلمی گروه مهندسی برق دانشگاه علم و فرهنگ با عنوان Machine- learning techniques in multiple sclerosis prediction using EEG که در مجله Biomedical Engineering: Applications, Basis and Communications از انتشارات World Scientific با نمایه Web of Science (ISI) منتشر شد، نشان میدهد که این روش میتواند جایگزینی کارآمد برای شیوههای سنتی و پرهزینه مانند MRI باشد. محققان همچنین پیشنهاد کردهاند، تلفیق دادههای EEG با سایر اطلاعات حرکتی بیماران میتواند دقت تشخیص را بیشازپیش افزایش دهد.
رضائی به همراه تیمی از پژوهشگران ایرانی، روشهای یادگیری ماشین را برای تشخیص زودهنگام بیماری MS از طریق تحلیل سیگنالهای EEG بررسی کردهاند. بررسیهای انجام شده در این مقاله نشان میدهد که روشهای سنتی تشخیص MS، مانند MRI، علاوه بر هزینههای بالا، زمانبر و بعضاً غیرقابلتکرار هستند. در مقابل، استفاده از EEG همراه با تکنیکهای یادگیری ماشین میتواند تشخیصی کمهزینه، سریع و دقیق ارائه دهد.