هوشمند سازی تشخیص حمله عصبی ناگهانی در رانندگان خودروهای سواری

فعالیتهای الکتریکی سلولهای عصبی مغز و تشخیص فعالیت های غیرعادی مغز توسط سیگنالهای EEG قابل تشخیص میباشد حمله های عصبی یکی از نمونه فعالیت های غیرعادی مغز است که منجر به تشنج و عدم تعادل میشود. در سطح جهان، سالانه صدها میلیون نفر در ساعت رانندگی می کنند. محتمل است که تعداد معینی از رانندگان هنگام رانندگی دچار حمله های عصبی و تشنج میشوند و برخی رانندگان متعاقبا دچار حوادث جاده ای میشوند. نتایج بررسی ساختاریافته حاکی از آن بوده است که رانندگان واجد فعالیت های غیرعادی مغز بیش از دو برابر بقیه رانندگان خطر تصادف دارند. هدف این مقاله ارایه یک الگوریتم هوشمند کنترلی برای حفظ امنیت و جلوگیری از تصادفات براساس آشکارسازی امواج سوزنی سیگنالهای EEG و استفاده از تبدیل موجک گسسته و تجزیه سیگنالهای الکتروانسفالوگرام و استخراج ویژگی های آماری هر سطح سیگنال و سپس با الگوریتم شبکه عصبی کانولوشن طبقه بندی سیگنالهای سالم از سیگنالهای غیرعادی مغز که موجب حمله عصبی و تشنج ناگهانی رانندگان میشود به هدف انتقال هدایت خودرو از دست راننده به سیستم کنترل هوشمند خودرو که بر مبنای مدل پیشبینی فازی طراحی شده است می باشد. نتایج پیاده سازی الگوریتم پیشنهادی، دقت ۹۴% و صحت ۹۴% و حساسیت ۹۶% را داشته که نسبت به روشهای موجود عملکرد مطلوبی را نشان میدهد. این پژوهش کاربردی به زبان پایتون در محیط آناکوندا پیاده سازی شده است

کلیدواژه ها:

الکتروانسفالوگرام ، شبکه عصبی ، الگوریتم بهینه سازی ، تصادفات