Astaraki

تشخيص الگوهاي eeg به منظور تشخيص صرع با استفاده از تبديل موجك و آشوب

چکيده:
توسط تبديلات زمان فركانسي به مانند موجك و نظريه آشوب در استخراج ويژگي از زيرباندها، مي توان دقت تشخيص بيماري صرع لب گيجگاهي را در حضور فعاليت پس زمينه سيگنال هاي ناخواسته و نويز بهبود داد. به منظور تجزيه eeg به زيربانـدهاي دلتا، تتـا، آلفا، بتا وگاما از تبديل موجك استفاده مي شود. با استفاده از نظريه آشوب، پارامتر هاي بعد همبستگي و نماي لياپانوف به همراه انحراف معيار از زير باندها استخراج مي شوند و سپس با استفاده از شبكه هاي عصبي و ساير طبقه بندي كننده ها، ميانگين و انحراف معيار دقت روش هاي مختلف جهت افزايش دقت تشخيص صرع در سه حالت مختلف، حالت طبيعي شخص بيمار، مرحله ي قبل از ورود به مرحله تشنج و در حالت تشنج، در سيگنال هاي غير ايستاي مغزي مورد بررسي و آزمون قرار گرفته است. نتايج تحقيق بيانگر اين حقيقت است كه سيستم هاي استنتاج فازي در يك فضاي مشخصه از باندهاي مختلف شامل 8 پارامتر، (دقت 96.8% و انحراف معيار (0.7)) و توسط روش متوسط گيري گروهي با تركيبي از 6 پارامتر (دقت 97.5% و انحراف معيار صفر) بر روش هاي ديگر برتري داشته اند و براي دسته بندي حالات مختلف صرع مناسب مي باشند. اين آمار بسيار قابل توجه است، چرا كه دقت بررسي هاي بصري توسط متخصص ترين نورولوژيست ها، متجاوز از 80% نمي باشند.

کليدواژگان:
آشوب، شبكه هاي عصبي، صرع، موجك، eeg

فايل ضميمه

p0568300040511-52T81U.pdf (257.9 كيلو بايت, 75 نمايش)

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!