AIS-RCA: روشی مؤثر برای بهبود فضای ویژگی‌ها در افزایش دقت تشخیص حملات صرع

پیش‌بینی زمان وقوع حملات صرع در بیماران از جمله موضوعاتیست که مورد توجه محققان است. حملات صرع به طور نامنظم و غیر قابل پیش‌بینی شده‌ای اتفاق می‌افتند. بنابراین تشخیص حملات صرع از روی سیگنال‌های EEGکه در بازة زمانی طولانی گرفته می‌شوند؛ بسیار حائز اهمیت است. این امر تشخیصی به دو مرحله مجزای استخراج ویژگی‌ها از قطعات سیگنال EEGو اعمال الگوریتم طبقه‌بندی بر روی بردارهای ویژگی تقسیم می‌شود. به همین منظور در مرحله اول با استفاده از تحلیل زمان- فرکانس بر روی قطعات سیگنال EEGو به‌دست آوردن صفحه زمان- فرکانس هر قطعه، استخراج ویژگی‌ها از سیگنال‌ها انجام می‌شود. در مرحله دوم با استفاده از الگوریتم نزدیک‌ترین همسایه کار تشخیص حملات صورت می‌گیرد. اما قبل از اعمال الگوریتم طبقه‌بندی، برای اصلاح فضای ویژگی‌ها و یادگیری معیار فاصله، از الگوریتم AIS-RCAاستفاده شده است. این الگوریتم برای به‌دست آوردن ماتریس تبدیل W، داده‌ها را به صورت مجموعه‌ای از دسته‌ها در نظر می‌گیرد و با ارائه الگوریتم جدید AD-AIRSو با الهام گرفتن از سیستم ایمنی بدن دسته‌ها را می‌یابد. آزمایش‌های انجام شده نشان دهندة دقت 100% و بهبود نتایج در مقایسه با برخی روش‌های انتقال موجک، آنتروپی، معیار بی‌نظمی و تبدیل انتقال فوریه سریع را نشان می‌دهد.