تشخیص و پیش بینی تشنج های صرعی بر اساس پردازش سیگنال های EEG و شبکه های عصبی مصنوعی

بیماری صرع، به عنوان چهارمین اختلال عصبی رایج، میلیون ها نفر را در سراسر دنیا تحت تأثیر قرار می دهد که بسیاری از این افراد، ناچار به ادامه زندگی همراه با تشنج های صرعی غیرقابل کنترل توسط دارو و یا عمل جراحی می باشند. به همین دلیل، با طراحی و پیاده سازی سیستم هایی برای تشخیص و پیش بینی تشنج های صرعی می توان با اخطار به موقع به این بیمارها و مراقبین آن ها، عواقب ناشی از حمله ههای ناگهانی و پیش بینی نشده را کاهش داد. در این مقاله روشی بر اساس هوش مصنوعی و پردازش سیگنال های EEG توسط تبدیل فوریه برای تشخیص و پیش بینی تشنج های صرعی پیاده سازی شد. مجمعه داده مورد بررسی شامل 100 سیگنال EEG در حالت نرمال و 100 سیگنال EEG در حالت رخ داد تشنج صرعی بود. سیگنال های EEG توسط تبدیل فوریه سریع از حوزه زمان به حوزه فرکانس منتقل شدند. سپس از سیگنال های حوزه زمان شش ویژگی و سیگنال های حوزه فرکانس چهار ویژگی استخراج شد. از این ده ویژگی برای آموزش و ارزیابی شبکه عصبی استفاده شد. نتایج طبقه بندی نوع سیگنال EEG نشان داده که شبکه عصبی مصنوعی توانست با صحت 100% تشنج های صرعی را از روی سیگنال های EEG تشخیص دهد.

کلیدواژه ها:

صرع ، EEG ، تبدیل فوریه ، شبکه عصبی مصنوعی