EEG একটি সস্তা, কিন্তু জটিল সংকেত
আলঝেইমার রোগের প্রাথমিক নির্ণয়ের জন্য সাশ্রয়ী মূল্যের পদ্ধতি প্রয়োজন। EEG আদর্শ বলে মনে হয়: যন্ত্রপাতি পোর্টেবল এবং সস্তা। কিন্তু রেকর্ডিংগুলির কিছু বিশেষত্ব রয়েছে: সেগুলি শোরগোলপূর্ণ, মানুষের মধ্যে ব্যাপকভাবে ভিন্ন, এবং চিহ্নিত ক্লিনিকাল ডেটা খুব কম। এর কারণে, সাধারণ নিউরাল নেটওয়ার্ক, যা সরাসরি প্রশিক্ষিত, প্রায়ই অতিমাত্রায় ফিট হয়ে যায় এবং নতুন রোগীদের উপর খারাপভাবে কাজ করে।
এই ধরনের পরিস্থিতিতে, স্ব-শিক্ষণ বিশ্লেষণ, যেমন Delta2Gamma, আশাব্যঞ্জক।
ম্যানুয়াল লেবেলিংয়ের পরিবর্তে স্ব-শিক্ষণ
গবেষক চানউ পাক এবং চানউ কিম Delta2Gamma ফ্রেমওয়ার্ক প্রস্তাব করেছেন, যার জন্য বড় লেবেলযুক্ত ডেটাসেটের প্রয়োজন হয় না। ধারণাটি হল সংকেতগুলির উপর নিজেই শেখা, সেগুলি থেকে বর্ধিত সংস্করণ তৈরি করা এবং সেগুলিকে একে অপরের সাথে তুলনা করা — এই পদ্ধতিটিকে কনট্রাস্টিভ লার্নিং বলা হয়।
প্রথমে, প্রতিটি রেকর্ডিং পাঁচটি শাস্ত্রীয় নিউরাল রিদমে বিভক্ত করা হয়: ডেল্টা, থিটা, আলফা, বিটা এবং গামা। প্রতিটি রিদমের জন্য একটি আলাদা এনকোডার এবং একটি আলাদা প্রজেকশন হেড ব্যবহার করা হয়, কারণ ব্যান্ডগুলির পরিসংখ্যান আলাদা। প্রশিক্ষণে তাদের সুষম অবদান নিশ্চিত করতে, প্রতিটি ব্যান্ডের জন্য একটি তাপমাত্রা অভিযোজিতভাবে নির্বাচন করা হয় — একটি প্যারামিটার যা কনট্রাস্টিভ লস ফাংশনের সংবেদনশীলতা নিয়ন্ত্রণ করে।
ফলাফল
কাজটি ২০২৬ IEEE বায়োমেডিক্যাল সার্কিটস অ্যান্ড সিস্টেমস কনফারেন্স (BioCAS)-এ গৃহীত হয়েছে। ADFTD কোহর্টে, Delta2Gamma-এর কার্যকারিতা একটি কঠোর leave-one-subject-out প্রোটোকলের সাথে যাচাই করা হয়েছে: মডেলটি একজন ব্যতীত সকল অংশগ্রহণকারীদের উপর প্রশিক্ষিত হয়, এবং তারপর বাদ পড়া বিষয়ের উপর পরীক্ষা করা হয়। এটি বাস্তব ব্যবহারের সবচেয়ে কাছাকাছি। এই ধরনের যাচাইকরণে, আলঝেইমার রোগী এবং জ্ঞানীয়ভাবে স্বাভাবিক ব্যক্তিদের ৯২.৪% নির্ভুলতার সাথে আলাদা করা সম্ভব হয়েছে।
এই ফলাফলটি সাধারণ তত্ত্বাবধানকৃত নিউরাল নেটওয়ার্ক এবং সাম্প্রতিক বিশেষায়িত EEG বিশ্লেষণ পদ্ধতি উভয়কেই ছাড়িয়ে যায়, যা বিশেষভাবে এই কাজের জন্য তৈরি করা হয়েছিল।
উপসংহার
Delta2Gamma দেখায় যে স্ব-শিক্ষণ EEG বিশ্লেষণ বিশাল লেবেলযুক্ত ডেটাবেস ছাড়াই উচ্চ নির্ভুলতা দিতে সক্ষম। কাঁচা, লেবেলবিহীন ডেটা নিয়ে কাজ করার ক্ষমতা পদ্ধতিটিকে স্কেলযোগ্য করে তোলে — এটি ডিমেনশিয়ার ব্যাপক স্ক্রিনিংয়ের জন্য প্রয়োগ করা যেতে পারে, যেখানে প্রধান বিষয় হল কম খরচ এবং সরলতা। এটি সম্পূর্ণ নির্ণয়ের বিকল্প নয়, তবে প্রাথমিক নির্বাচনের জন্য একটি আশাব্যঞ্জক হাতিয়ার।
