تعیین درجه بهینه مقطع پوانکاره سه بعدی برای تشخیص حملات صرعی با استفاده از eeg

Authors

صالح لشکری

دانشجوی دکتری مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران محمد علی خلیل زاده

دانشگاه آزاد اسلامی مشهد سید محمدرضا هاشمی گلپایگانی

گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران

abstract

استفاده از روش های مبتنی بر دینامیک پویای غیرخطی همچون قطع پوانکاره، در آشکارسازی دینامیک سامانه های زیستی می تواند راهگشا باشد. انتخاب صفحه قطع مناسب، مرحله ای تعیین کننده در تحلیل داده ها است. اغلب پیدا کردن محل مناسب برای صفحه قطع به تنظیم پارامترهای مختلفی نیازمند است. درصورتی که هندسه صفحه پوانکاره اطلاعات وابسته به قبض و بسط پدیده را برداشت کند، تفکیک بهتر حالت های سیستم انجام می پذیرد. ازاین رو در این مطالعه، به بررسی تأثیر درجه صفحه و محل مقطع در تشخیص حمله صرعی از وضعیت طبیعی پرداخته می شود تا درنهایت معادله مقطع بهینه که منجر به حداقل شدن خطای طبقه بندی می شود، تعیین گردد. پس از بازسازی فضای فاز قطعه های eeg در سه بعد، به ازای 400 حالت مختلف درجه مقطع، قطع بر روی داده ها انجام پذیرفت. سپس ویژگی های استخراجی از مقطع پوانکاره به دسته بندی کننده svm اعمال می گردد. در ادامه برای شناسایی رفتار طبقه بندی کننده همبستگی میان درجه مقطع و صحت تفکیک سنجیده شد. مشاهده شد خروجی دسته بندی کننده، رفتار مشخصی با افزایش درجه صفحه بروز می دهد. به این ترتیب که الگوی افزایشی و سپس کاهشی با بالا بردن درجه صفحه در دو راستای مقطع، مشاهده شد. نتایج نشان می دهد معادله مقطع بهینه به ازای m=12 و n=6 صحت تفکیک 96.6 درصد را به دست می دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تعیین درجه‌ی بهینه مقطع پوانکاره سه‌بعدی برای تشخیص حملات صرعی با استفاده ازEEG

استفاده از روش‌های مبتنی بر دینامیک پویای غیرخطی مانند قطع پوانکاره، در آشکارسازی دینامیک سامانه‌های زیستی مفید است. انتخاب صفحه­ی قطع مناسب، مرحله‌ای تعیین‌کننده در تحلیل داده‌ها است. اغلب پیدا کردن محل مناسب برای صفحه قطع به تنظیم پارامترهای مختلفی نیازمند است. اگر هندسه­ی صفحه پوانکاره اطلاعات وابسته به قبض و بسط پدیده را برداشت کند، حالت‌های سیستم بهتر تفکیک می­شوند. ازاین‌رو در این مطالعه ...

full text

تحلیل اتصالات مغزی برای پیش بینی وقوع حملات تشنج صرعی با استفاده از سیگنال های الکتروانسفالوگرافی

قرارگرفتن در وضعیت‌های مختلف ادراکی، شناختی و احساسی با نوعی انتشار اطلاعات از طریق نوسانات نورون های مغزی همراه است. بررسی این نوسانات و به طور مشخص ارتباطات و تعاملات میان بخش های مختلف مغز، می تواند اطلاعات مفیدی درباره ی نحوه ی واکنش مغز در برابر وضعیت های مختلف بدست دهد. در ادبیات موضوع، ارتباطات بین نواحی مختلف مغز به سه دسته ی ساختاری، موثر، و کارکردی تقسیم بندی می شوند که دسته ی اول به ...

full text

تشخیص حملات صرع با استفاده از تخمین طیف سیگنال eeg

در این پایان نامه یک روش جدید با استفاده از تخمین طیف مبتنی بر بردارهای ویژه و شبکه عصبی برای شناسایی حملات صرع معرفی شده است. در این روش سیگنال های eeg به سه دسته ذیل تقسیم بندی می شوند: (1) سیگنال شخص سالم (healthy) (2) سیگنال شخص مبتلا به صرع در غیاب حمله (inter-ictal) (3)سیگنال شخص مبتلا به صرع حین حمله (ictal). روش ارایه شده شامل دو نوع الگوریتم است. در الگوریتم اول، طیف سیگنال eeg با استف...

15 صفحه اول

انتخاب یک فضای ویژگی بهینه در تشخیص حملات صرعی بر پایه آنالیز کمی‌سازی بازگشتی و الگوریتم ژنتیک

در طبقه‌بندی داده‌ها انتخاب فضای ویژگی متناسب با ماهیت پدیده و قدرت تفکیک بالا بسیار حائز اهمیت است. قابلیت نگاشت‌ بازگشتی در تحلیل دادگان غیرایستا موجب می‌شود در تشخیص حملات صرعی نیز مورد توجه قرار گیرد. در این پژوهش به تشخیص حملات صرعی توسط آنالیز کمی‌سازی بازگشتی بر پایه ترکیب الگوریتم ژنتیک و طبقه‌بند بیزین ‌پرداخته شده است. در ابتدا نگاشت بازگشتی سیگنال EEG دو گروه صرعی و نرمال هریک شامل 1...

full text

طبقه بندی حمله صرعی در سیگنال EEG با استفاده از سیستم استنتاج عصبی- فازی تطابقی

Background & Aims: Epilepsy is a brain disorder in which nerve cells receive abnormal inputs. This disease can lead to abnormal behaviors, feelings and symptoms such as loss of consciousness, which is called the seizure. Identification and classification of the epileptic seizure events in electroencephalographic signal against free seizure intervals plays an important role in clinical investiga...

full text

انتخاب یک فضای ویژگی بهینه در تشخیص حملات صرعی بر پایه آنالیز کمی‌سازی بازگشتی و الگوریتم ژنتیک

در طبقه‌بندی داده‌ها انتخاب فضای ویژگی متناسب با ماهیت پدیده و قدرت تفکیک بالا بسیار حائز اهمیت است. قابلیت نگاشت‌ بازگشتی در تحلیل دادگان غیرایستا موجب می‌شود در تشخیص حملات صرعی نیز مورد توجه قرار گیرد. در این پژوهش به تشخیص حملات صرعی توسط آنالیز کمی‌سازی بازگشتی بر پایه ترکیب الگوریتم ژنتیک و طبقه‌بند بیزین ‌پرداخته شده است. در ابتدا نگاشت بازگشتی سیگنال EEG دو گروه صرعی و نرمال هریک شامل 1...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی پزشکی زیستی

جلد ۹، شماره ۱، صفحات ۵۹-۶۹

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023