استخراج ویژگیهای سیگنالهای EEG با استفاده از روشهای پارامتریک و غیرپارامتریک برای طبقه بندی مراحل مختلف خواب

یکی از موارد مهم در پردازش تجزیه تحلیل، طبقه بندی و تفسیر سیگنالهای EEG بررسی کمی فعالیتهای مغز برای اندازه گیری مراحل مختلف خواب و یا عمق بیهوشی بیماردر اثر تزریق و یا استنشاق دارو در اتاق عمل است با توجه به پیچیدگی نحوه تاثیر فعالیت های مغز درشکل ظاهری سیگنالهای EEG این بررسی از طریق تحلیل ویژگیهای زمان - فرکانس سیگنالهای مذکور صورت می گیرد اکثر این روشها مبتنی بر تحیل فوریه هستند که مهمترین آنها روشهای تخمین طیف قدرت است دراین مقاله روشهای پارامتریک و غیرپارامتریک انالیز سیگنالهای EEG برای طبقه بندی مراحل مختلف خواب استفاده شده است ویژگیهای طیف قدرت سیگنالهای EEG با استفاده از روشهای غیرپارامتریک مبتنی بر تبدیل فوریه با ویژگیهای استخراج شده از مدل پارامتریک AR با یکدیگر مقایسه شده و تاثیر انها در طبقه بندی مراحل مختلف خواب بررسی شده است.

کلیدواژه ها:

الکتروانسفالوگرافی EEG ، استخراج ویژگیهاFeatures extraction ، طبقه بندی(Classification ، مدل خودبازگشتی (AR model)