تشخیص صرع با استفاده از روش یادگیری انتقالی
- سال انتشار: 1401
- محل انتشار: اولین کنفرانس ملی پژوهش های نوآورانه در مهندسی برق و کامپیوتر
- کد COI اختصاصی: IRECE01_047
- زبان مقاله: فارسی
- تعداد مشاهده: 438
نویسندگان
گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران،
گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران،
گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران،
چکیده
در حال حاضر ، صرع به یک بیماری شایع در سلولهای عصبی تبدیل شده است. علت اصلی آن هنوز کاملا روشن نشده است و معمولا به عنوان یک بیماری عصبی مزمن ناشی از ترشح غیر طبیعی ناگهانی سلول های عصبی مغز تعریف می شود. صرع ناگهانی و تکراری است. شروع آن همراه با اختلالات بالینی مانند از دست دادن هوشیاری و ضعف اندام همراه است. بهطور معمولی، شناسایی ناهنجاریهای صرعی با بررسی پزشک متخصص اعصاب انجام میگیرد. تفسیر سیگنالهای EEG۱ با استفاده از ارزیابی شهودی، زمانبر و خستهکننده است و نتایج حاصلشده، متغیرو محدود به سطح دانش و تخصص پزشک مربوطه خواهد بود. از این رو لازم است تا روش قابل اعتمادی جهت تشخیص دقیق و صحیح صرع ارائه گردد. بنابر این جهت رسیدن به این امر، تحلیل درستی از سیگنال مغزی EEG الزامی است.در این تحقیق سعی شده است تا بوسیله روش جدید یادگیری انتقالی از خصوصیات سیگنال EEG بیماری صرع تشخیص داده شود. در اینجا با استفاده از ویژگی های زمانی و فرکانسی و زمان فرکانسو برمبنای یادگیری انتقالی ، بیماری صرع با صحت %۹۹.۳۳ تشخیص داده شده است. نتایج بدست آمده بیانگر این است که روش پیشنهادی برای تشخیص بیماری صرع کارامد وقابل اطمینان می باشد.کلیدواژه ها
بیماری صرع، یادگیری انتقالی، طبقه بندی کننده SVMمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
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.