تشخیص حملات صرع با استفاده از تخمین طیف سیگنال eeg
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده فنی و مهندسی
- author مصطفی آقاشاهی
- adviser احمدرضا نقش نیلچی
- Number of pages: First 15 pages
- publication year 1388
abstract
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 استفاده از تکنیک های پیوسته تخمین طیف از جمله music و eigenvector به دست آمده و سپس به زیر باندهای فرکانسی کوچکتری تقسیم می شوند. سپس ویژگی هایی از جمله بیشینه، بی نظمی، میانگین، انحراف معیار و ضریب تحرک از زیر باندهای طیف سیگنال به دست آمده، استخراج می شوند و با افزودن انحراف معیار سیگنال اصلی و ضریب پیچیدگی کل طیف، برداری موسوم به بردار ویژگی ها تشکیل می شود. از بردار ویژگی فوق، به عنوان ورودی شبکه عصبی پرسپترون چند لایه(mlp) و شبکه عصبی احتمالی rbf، برای دسته بندی داده و در نهایت متمایز نمودن سه گروه یاد شده استفاده شده است. نتایج به دست آمده با روش فوق نشان می دهد که با استفاده از این روش هر سه گروه سیگنال healthy، interictal و ictal با دقت 5/97 درصد و واریانس 2/4 درصد از یکدیگر متمایز می شوند. در الگوریتم دوم از تکنیک های گسسته تخمین طیف از جمله root-music و root-ev برای تخمین فرکانس های غالب سیگنال eeg استفاده شده است و فرکانس های غالب به دست آمده به همراه انحراف معیار، بی نظمی و ضریب پیچیدگی حوزه زمان سیگنال، بردار ویژگی را تشکیل می دهد. بردار ویژگی فوق سپس با یک شبکه عصبی مثل mlp و rbf به سه گروه ذکرشده، دسته بندی شده است. نتایج به دست آمده با این روش نیز دقت 53/94 درصدی با پراکندگی کمتر از 1 درصد را نشان می دهد. علاوه بر این تعداد و سادگی ویژگی های انتخاب شده در این روش استفاده از آن را برای کابردهای بی درنگ مناسب تر می سازد. در مقایسه با روش های دیگر، روش های ارائه شده در این پایان نامه، سیگنالهای eeg حامل نویز ناشی از تکان های ماهیچه ای، تداخل با سایر فعالیت های مغزی و تداخل سایر امواج موجود و ... را با دقت بالاتر و ضریب خطای کمتری تفکیک نموده و متمایز می کند و در نتیجه دستیابی به تشخیص بهتر این بیماری مزمن و فراگیر را فراهم می سازد.
similar resources
تشخیص صرع در سیگنال EEG با استفاده از الگوریتم ابتکاری صفحات شیبدار(IPO)
Epilepsy is a neurological disorder after stroke. About 1 percent of people in the world are involved with this second most common neurological disorder. Epilepsy can affect people of different ages with an altered behavior or lack of patient awareness and affect one's social life. In 75% of cases, if epilepsy is diagnosed early and properly, it can be treated. Among all existing methods of an...
full textشناسایی خودکار حالت‌های مختلف بیماری صرع از سیگنال EEG با استفاده از شبکه‌های یادگیری عمیق
استفاده از روشی هوشمند برای تشخیص خودکار مراحل مختلف صرعی در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه‌وتحلیل داده‌های صرع با بازرسی بصری، یکی از چالش‌های مهم در سال‌های اخیر محسوب میشود. یکی از مشکلات شناسایی خودکار مراحل مختلف صرعی، استخراج ویژگی‌های مطلوب است؛ به‌گونه‌ای که این ویژگی‌ها بتوانند بیشترین تمایز را بین مراحل مختلف صرعی ایجاد کنند. فرآیند یافتن ویژگی‌های مناسب، عموماً ام...
full textتشخیص اتوماتیک صرع با استفاده از تحلیل زمان- فرکانس eeg
صرع نوعی اختلال در عملکرد مغز است که به صورت ناگهانی،کنترل نشده و نا منظم در یک بخش، یا تمام سیستم عصبی مرکزی رخ میدهد. حملات صرعی به اختلالات شدید و تکرار شونده ی مغزی گفته میشودکه علامت مشخصه ی بیماری صرع می باشد. با تجزیه و تحلیل سیگنال eeg درک بالایی از مکانیزمهایی که موجب اختلالات مغزی میشود بدست میآید. در موارد حاد که بیمار نیاز به جراحی دارد باید کانون صرع در مغز مشخص شود. تشخیص حمله در ...
تشخیص همزمانی فاز در سیگنال های eeg نوزادان با استفاده از روش اطلاعات متقابل
یکی از مهم ترین اختلالات سیگنال های eeg نوزادان، عدم همزمانی بین کانال ها می باشد که مطالعات کلینیکی نشان داده است می تواند به نتایج عصبی و جسمی نامطلوبی در بزرگسالی منجر شود. هدف اصلی این مقاله، معرفی یک روش جدید برای تشخیص خودکار همزمانی فاز در سیگنال های eeg چندکاناله ی نوزادان است. در روش پیشنهادی، ابتدا فاز لحظه ای هر کانال از سیگنال eeg نوزاد با استفاده از تبدیل هیلبرت تخمین زده شده است. ...
full textتشخیص کودکان adhd با استفاده از پارامترهای غیرخطی سیگنال eeg
اختلال adhd اختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر از کودکان دیگر وجود دارد. 3 تا 5 درصد کودکان به این اختلال مبتلا هستند. مشکل اصلی کودکان adhd عدم توانایی آنها در حفظ و تنظیم رفتارشان است. تشخیص کودکان adhd با استفاده از بررسی های بالینی انجام می شود. این بررسی ها و تشخیص ها با استفاده از استاندارد dsm-iv صورت می پذیرد. . از آنجا که adhd یکی از بحث برانگیزتر...
15 صفحه اولMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده فنی و مهندسی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023