تشخیص صرع در سیگنال های الکتروانسفالوگرافی (EEG) بر اساس ویژگی طیف کلی موجک (GWS) با استفاده ماشین بردار پشتیبان

در حدود یک درصد از مردم دنیا از صرع رنج می برند. اولین مرحله از درمان صرع، تشخیص به موقع و صحیح آن است. یکی از راه های تشخیص صرع، تجزیه و تحلیل دقیق سیگنال الکتروانسفالوگرافی (EEG) است. ویژگی های مختلفی جهت تشخیص این بیماری از روی سیگنال مانند دامنه سیگنال وجود دارد. در این مقاله، با بررسی اطلاعات زمان-فرکانسی سیگنال EEG در افراد مبتلا به سندرم صرع بدون تشنج و افراد سالم، روش جدیدی برای تشخیص صرع ارائه شده است. در ابتدا ویژگی طیف کلی موجک (GWS) برای سیگنال EEG افراد سالم و افراد مبتلا به سندرم صرع استخراج شده است. برای بررسی این طیف در باندهای فرکانسی، سیگنال EEG با استفاده از تبدیل موجک به ۵ زیرباند تجزیه می گردد. سپس با اعمال این ویژگی به طبقه بند مبتنی بر ماشین بردار پشتیبان به تشخیص صرع پرداخته شده است. نتایج تجزیه و تحلیل، تفاوت قابل ملاحظه ای، جهت تفکیک کردن فرد بر اساس سیگنال EEG فراهم می کند. روش پیشنهادی در مقایسه با روش های قبلی، سیگنال های سالم و صرعی را با دقت ۱۰۰% طبقه بندی کرده است. همچنین، مشاهده شد که مقادیر غالب GWS برای سیگنال های انتخاب شده از بیماران مبتلا به سندرم صرعی در باند فرکانسی دلتا و تتا یافت می شوند.

کلیدواژه ها:

صرع ، الکتروانسفالوگرافی ، تبدیل موجک ، طیف کلی موجک ، ماشین بردار پشتیبان