تشخیص بیماریهای مغزی با استفاده از سیگنالهای EEG با اعمال طبقه بندی کننده های یادگیری ماشین
- سال انتشار: 1401
- محل انتشار: هفتمین کنفرانس بین المللی توسعه فناوری در مهندسی برق ایران
- کد COI اختصاصی: ECMCONF07_011
- زبان مقاله: فارسی
- تعداد مشاهده: 967
نویسندگان
دانشجوی کارشناسی ارشد مهندسی برق-کنترل، دانشگاه علم و صنعت ایران
استاد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
چکیده
مغز مرکز کنترل بدن ما است. با گذشت زمان، بیماری های مغزی جدید و جدیدتری کشف میشوند. بنابراین، به دلیل تغییرپذیری بیماری های مغزی، سیستمهای تشخیصی موجود به چالش کشیده میشوند و هنوز هم یک مساله باز برای تحقیقات هستند. تشخیص بیماریهای مغزی در مراحل اولیه میتواند تفاوت زیادی در تلاش برای درمان آنها ایجاد کند. در سالهای اخیر، استفاده از هوش مصنوعی در همه حوزه های علمی در حال افزایش است و بدون شک، این امر انقلابی در زمینه مغز و اعصاب نیز ایجاد میکند. استفاده از هوش مصنوعی در علوم پزشکی، پیش بینی و تشخیص بیماریهای مغزی را دقیق تر و مفیدتر کرده است. یادگیری ماشین به عنوان زیر مجموعه ای از هوش مصنوعی، فرایندی است برای آموزش رایانه برای استفاده از تجربه گذشته خود برای حل مساله ای که به آن داده شده است که موفقیت در تصمیم گیری صحیح در یادگیری ماشین به الگوریتم طبقه بندی متکی است. الگوریتمهای مختلف طبقه بندی در یادگیری ماشین وجود دارد که به طور خاص برای اهداف طبقه بندی طراحیشده اند و عملکرد کاملا مناسبی دارند. الکتروانسفالوگرافی (EEG) روشی برای آزمایش سیگنالهای الکتریکی در مغز است. از نظر بالینی، سیگنالهای EEG در درجه اول برای تشخیصو درمان اختلالات مغزی مختلف استفاده میشود که طبقه بندی کننده های یادگیری ماشین قادر به طبقه بندی این داده های EEG هستند. بنابراین، محققان مختلف با استفاده از طبقه بندی کننده های یادگیری ماشین و ویژگیهای آماری، روشهای مختلفی برای تشخیص بیماریهای مختلف مغزی ایجاد کرده اند. چالشهای اصلی در اینجا انتخاب طبقه بندی کننده ها و ویژگیهای مناسب است. در این مقاله مروری بر الگوریتم های یادگیری ماشین برای تشخیص بیماریهای مغزی با استفاده از سیگنالهای EEG انجام میدهیم.کلیدواژه ها
یادگیری ماشین، طبقه بندی کننده، سیگنال EEG، استخراج ویژگیمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.