失智症是一種腦部非正常退化的疾病現象,較常發生於中老年人身上,主要特徵為記憶力和其他認知功能的衰退,最後使得病患心智功能完全喪失,不僅摧毀患者的生活,同時也造成家庭及社會的重大負擔。隨著社會人口結構老化,失智症患者會越來越多,因此,失智症的診斷與治療將是醫療及社會上值得重視的議題。 腦電圖(Electroencephalogram, EEG)是診斷腦部疾病的重要工具,過去已有許多研究運用腦波分析於失智症的診斷,然而,腦電圖屬於較微弱的信號,除不易辨識外,也容易受外界干擾或雜訊影響而失真,且會因不同個體與時間區間而有所差異,容易造成判斷的誤差。因此,如何擷取腦波訊號以判斷是否罹患失智症是一大挑戰。此外,失智症是可以治療的,早期的治療將有助於預防與延緩病情加重,如何早期診斷失智症的程度並給予適當的治療 方式亦是相當重要。 本研究欲結合時頻分析、最小熵原理法與關聯派翠網路等技術,發展失智症檢測的模式,透過分析腦電圖與患者的行為特徵,診斷失智症的病徵。此外,為了及早發現失智症罹患的可能性與達到早期預防與治療的效果,本研究透過分析正常人腦電圖的特徵( 與 ),找出正常人的腦波頻段與功率,找出發生失智症的可能性,提供客觀的臨床建議,協助找出病患的臨床分級,給予及早的治療,以預防或延緩病症發生或惡化。 本研究提出的模型能有效診斷失智症的類別與病況程度並預測患者罹患失智症的可能性,提供醫師客觀的臨床輔助工具,及早發現失智症患者的病況,給予適當的治療方式,有效降低失智症病情加重的機率。