پردازش سیگنال های eeg با استفاده از روش تجزیه مد تجربی

هدف اصلی این پایان¬نامه پردازش سیگنال های eeg با استفاده از روش تجزیه مد تجربی برای تشخیص صرع می¬باشد. اختلال صرع یکی از شایع¬ترین اختلالات نورولوژیک می باشد که برای درمان آن، از روش های مختلفی نظیر دارو درمانی و جراحی استفاده می شود اما عده¬ای از مبتلایان به صرع با روش های درمانی متداول، بهبود پیدا نمی¬کنند. eeg متداول¬ترین روش مطالعه مغز است که روشی غیرتهاجمی بوده و رزولوشن زمانی مناسبی داشته و در مقایسه با دیگر روش¬ها ساده¬تر و ارزان¬تر است. تاکنون به منظور تشخیص دادن صرع از سیگنال eeg از روش¬های فوریه، ویولت، مدل¬های پارامتری، تئوری آشوب و تجزیه مد تجربی استفاده شده است. با توجه به ماهیت غیرایستای سیگنال eeg استفاده از روش¬هایی مانند فوریه که سیگنال-های مورد بررسی را ایستا در نظر می¬گیرند مناسب نمی¬باشد. همچنین به علت فقدان روش استاندارد تشخیص، مقایسه و ارزیابی عملکرد الگوریتم¬های مختلف دشوار است. در این پایان¬نامه، سیگنال¬های eeg برای تشخیص صرع با استفاده از روش تجزیه مد تجربی آنالیز می¬شوند. در این روش سیگنال در حوزه زمان به توابع پایه باند محدود و تقریبا متعامدی به نام توابع مد ذاتی (imf) تجزیه می شود. ویژگی¬های متنوع پیشین استفاده شده در دو حوزه زمان و فرکانس نیز مورد بررسی و استفاده قرار گرفته و ترکیب تازه¬ای از آن¬ها برای طبقه¬بندی بکار رفته است. طبقه¬بند مورد استفاده در این پروژه شبکه عصبی پرسپترون چند¬لایه (mlp) می-باشد که روشی باناظر بوده و پیش¬تر نیز در این حوزه استفاده شده است. همچنین در این تحقیق آنالیز ویولت برای تشخیص صرع استفاده شده و نتایج با روش تجزیه مد تجربی مقایسه شده است. نتایج بدست آمده از روش تجزیه مد تجربی دارای 94.5% و آنالیز ویولت 96.5% صحت را نشان می¬دهند. در ادامه این پروژه، از توابع مد ذاتی استخراج شده، فرم تابع تحلیلی آن¬ها را به کمک تبدیل هیلبرت محاسبه کرده و با استفاده از معیار گرایش به مرکز (ctm) شعاع مرتبط با 95% نقاط محاسبه شده است. استفاده از این معیار و آستانه-گذاری، یک ویژگی برای طبقه¬بندی کردن و تشخیص سیگنال¬های صرعی بدست می دهد. از شبکه¬های عصبی برای طبقه¬بندی سیگنال¬های صرعی و سالم با استفاده از معیار ctm نیز استفاده شده است که نتایج نشان¬دهنده 96% صحت می¬باشد. همچنین نشان داده شده است که می¬توان از معیار ctm برای تشخیص سیگنال¬های ecg فیبریلاسیون دهلیزی بهره برد.