یک روش سلسله مراتبی طبقه بندی بر اساس سیگنال الکتروانسفالوگرام برای تعیین میزان درد در پنج سطح مختلف

باند های مختلف سیگنال الکترو انسفالوگرام در مطالعات مختلف در زمینه تعیین میزان درد، مورد بررسی و ارزیابی قرار گرفته اند. در مطالعه ی حاضر، یک روش جدید و با دقت بالا برای تعیین میزان درد ارایه شده است و این کار با مطالعه ی عمیق باند آلفا سیگنال EEG از منظر تغییرات توزیع فرکانسی، طیف فرکانسی و پیچیدگی آن در پاسخ به افزایش میزان درد (در پنج سطح مختلف)، صورت گرفته است. برای ثبت سیگنال EEG مرتبط با درد، نوار مغز ۴۴ داوطلب شرکت کننده در آزمایش CPT با استفاده از ۳۴ الکترود نقره ای ثبت گردید. بعد از حذف نویز سیگنال ثبت شده، باند آلفای آن برای مطالعات بعدی استخراج گردید. پس از آن، ۱۲ ویژگی مختلف از باند آلفا استخراج شد. برای طبقه بندی ویژگی های استخراج شده به پنج سطح مختلف، یک درخت تصمیم گیری که در هر گره تصمیم آن یک طبقه بند SVM که پارامتر های آن با استفاده از روش بهینه سازی بیز، تعیین می شد، مورد استفاده قرار گرفت. در نهایت دقت ۹۳.۳۳ درصد برای مساله ی پنج کلاسه و دقت ۹۹.۸ درصد برای مساله ی دو کلاسه حاصل گردید که نشان دهنده ی کارامد بودن روش ارایه شده است.

کلیدواژه ها:

اندازه گیری درد ، باند آلفا ، بهینه سازی بیز ، توزیع داده ، طبقه بند بر پایه خصوصیات فیزیولوژیک