Brain Connectivity Patterns Based Emotional Impairment Analysis in Parkinson's Disease Patients Using Wireless EEG Signals and Deep Learning Methods

مرض الباركنسون من الأمراض العصبونیة والتي تصیب حوالي 6 ملیون شخص حول العالم، معظم المصابین بھذا المرض تتراوح أعمارھم بین 45 سنة و 85 سنة. إن من أسباب الإصابة بمرض الباركنسون انخفاض حمض الدوبلامین في منطقة الجانجریا بالدماغ البشري، ھناك استبیان قیاسي یستخدم لتحدید مرحلة المصاب بمرض الباركنسون، غالبا ما یواجھ مرضى الباركنسون صعوبة في إیصال احتیاجاتھم إلى الطبیب أو الممرض المعالج فغالبا ما ینظر إلى الأعضاء المتحركة لدى المریض دون الالتفات إلى الحالة النفسیة لھ، لذلك إدراج الحالة النفسیة لھ من التحدیات التي توجھ مشخص المرض. وھذا ما جعل الباحثون یعكفون على استكشاف أنماط تدل على حالة المریض النفسیة من خلال تعابیر الوجھ أو الكلام، لكن كل ھذه الطرق معرضة للفشل الذریع بسبب ظروف مرض الباركنسون التي تحول دون إمكانیة إیصال ھذه المشاعر، مما یجعل اللجوء إلى تحلیل إشارات الدماغیة حاجة ملحة. في ھذا المشروع یتم تحلیل الإشارات الدماغیة لدى مرضى الباركنسون والتي تم تحصیلھا من مستشفى كیبنجاس في مالیزیا والتي تتألف من 14 قناة حسب المرجع رقم 48 ، بالإضافة إلى مصادر متاحة محلیا أو من خلال النت وذلك بتطبیق أدوات غیر خطیة وتقنیات التعلم العمیق ، في ھذا المشروع سنسلك طریقان أحدھما تحلیل الإشارات وملامح الإشارات الغیر خطیة والتي لھا دلالة المشاعر (حزن، غضب، اشمئزاز، سعادة، خوف، انبھار) باستخدام أنماط الوصلات الدماغیة، والطریقة الثانیة ھي تطبیق أدوات الذكاء الصناعي وتعلم الآلة من خلال شبكات عصبونیة عمیقة یتم تدریبھا على مخرجات الإشارات الدماغیة للتعرف على مشاعر المریض.

Parkinson’s disease is a neurodegenerative disorder which affects nearly 6 million of population around the world. Most of the patients who affected by this disease are in the age range of 45 – 85 years and it mainly caused due to the degradation of dopamine chemicals in the Bessel ganglia region within the brain. The loss of dopamine severely affects the brain motor functions such as human postures, emotion, and cognitive processing. Thereby, the patients are not able to identify and express their precise internal feelings to the clinicians for effective treatment. Hence, the success rate on remedial treatment towards emotional impairment in PD is a challenging issue. Hence, most of the clinicians are looking for an autonomous system which can detect the emotional impairments in PD in a non-invasive and computationally efficient way. Emotional impairments in PD can be assessed through different modalities (verbal, lexical and facial expression's methods). However, these methods are highly subjective and fail to track the inherent emotions in PD. This study aims to analyze the Parkinson’s Emotional EEG Database for emotional impairment assessment in PD. A database has the EEG signal episodes for six different emotions (happiness, sadness, anger, fear, disgust, and surprise) of 32 PD patients and 32 Healthy Controls (HC) subjects and collected from Hospital Universiti Kebangsan Malaysia, Malaysia using 14 channels wireless-EEG system [48]. Another local or online database will be used to enrich the dataset. These signals will be processed using nonlinear signal processing methods, machine learning algorithms and deep learning methods. Two different approaches will be incorporated in this work to assess the emotional impairment in PD. Firstly, the nonlinear features extracted from the EEG data (PD and HC) will be used to analyze, how the different regions of brains get connected while the subjects experiencing different emotions using Brain Connectivity Patterns (BCP). Secondly, the nonlinear features will be used to map to the corresponding emotions in PD and HC using three machine learning (Support Vector Machine (SVM), Probabilistic Neural Network (PNN) and Extreme Learning Machine (ELM)) and deep learning methods. The graphical results through BCP and numerical values of emotion recognition rate through advanced machine learning methods would assist the clinicians to effectively diagnose the emotional impairment in PD. It also provides a path for the researchers to develop a realtime emotional impairment detection system for PD.