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

Authors

Abstract:

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 investigations. Materials & Methods: We used five groups of 100 EEG signals recorded at Bon University. EEG time series recorded in surface EEG recordings from healthy volunteers and intracranial EEG from epilepsy patients during the seizure-free interval within and outside the seizure. In the first step, statistical features were extracted from the time-frequency characteristics of EEG signals in five main spectra. Reduced dimension of the statistical features was fed to adaptive neuro fuzzy inference system as a strong classifier. Results: The results obtained in this study improved the accuracy of their pre-published researches. The first and second error in our method has reached zero and 0.02, respectively. Conclusion: This research is an effective way for diagnostic seizure events, specifically once there are suspected clinical symptoms of epileptic such as occurred in newborns.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طبقه بندی سیگنال الکترومایوگرام سطحی چند کاناله ساعد با استفاده از یک ساختار خودسازمانده فازی-عصبی

طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس...

full text

طبقه بندی سیگنال الکترومایوگرام سطحی چند کاناله ساعد با استفاده از یک ساختار خودسازمانده فازی-عصبی

طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس...

full text

تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی

تخمین ضریب اصطکاک در لوله‌ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه‌ای دارد. در تحلیل این‌گونه مسائل با دانستن ضریب اصطکاک، می‌توان تخمین دقیق‌تری از آنها به‌دست آورد. در این تحقیق به‌منظور تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه‌ای مورد استفاده قرار گرفت. برای آموزش و تست مد...

full text

تشخیص تومورهای مغزی با استفاده از ترکیب سیستم استنتاج فازی-عصبی وفقی و خوشه بندی سلسله مراتبی

تشخیص محدوده تومورهای مغزی یک گام مهم و اساسی در سیستم‌های تشخیص و درمان خودکار می باشد. در این مقاله یک روش ترکیبی مبتنی بر سیستم استنتاج فازی-عصبی وفقی (ANFIS) و خوشه بندی سلسله مراتبی برای تشخیص موقعیت و محدوده تومورهای مغزی ارائه شده است. برای این منظور ابتدا خط مرکزی ناحیه مغز تشخیص داده شده، سپس با بلاک بندی ناحیه دو نیمکره مغز و استخراج ویژگی شدت روشنایی و بافت هر بلاک و نیز با بهره گیری...

full text

پهنه بندی خطرپذیری زلزله با استفاده سیستم استنتاج فازی و فرآیند تحلیل سلسله مراتبی فازی

هدف تحقیق، ریزپهنه­بندی خطرپذیری زلزله در منطقه یک شهرداری اهواز با استفاده از دو مدل سیستم استنتاج فازی و فرآیند تحلیل سلسله مراتبی فازی است. برای انجام تحقیق، لایه 19 معیار (تراکم جمعیت، کاربری اراضی، تراکم ساختمانی، سطح اشغال، قدمت، طبقات، اسکلت، فاصله از مراکز درمانی، مراکز آتش نشانی بیرونی، تاسیسات نظامی، نزدیکی به گسل، ایستگاه برق، مترو، گاز پرفشار و پمپ بنزین) انتخاب و در محیط ArcGIS®10....

full text

استفاده از سیستم جدید هوشمند استنتاج فازی- عصبی تطابقی (anfis) برای پیش بینی قدرت سرطان زایی ویروس پاپیلومای انسانی

زمینه و هدف: ویروس های پاپیلوما بر اساس قدرت و پیش آگهی سرطان‎های ایجاد شده توسط آنها با استفاده از پروتئین‎های ویروسی e6 وe7 به سه گروه با خطر بالا، پایین و متوسط تقسیم‎بندی می‎گردند. امروزه از روش‎های مختلف مدل سازی در پزشکی بالینی، در تشخیص بیماری‎ها و بررسی ویژگی‎های مولکولی آنها استفاده می‎شود. در میان روش‎های نوین مدل‎سازی، سیستم‎های فازی از جایگاه ویژه‎ای در زمینه‎های مختلف علوم برخوردار...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 29  issue 10

pages  707- 715

publication date 2019-01

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023