تشخیص صرع با استفاده از ویژگی های استخراج شده از تبدیل فوریه EEG و طبقه بندی کننده شبکه عصبی MLP
محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,101
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE04_002
تاریخ نمایه سازی: 6 مهر 1391
چکیده مقاله:
در این تحقیق به منظور تشخیص بیماری صرع یک روش پردازش سیگنال برای EEG پیشنهاد گردیده که مطابق آن سیگنال با استفاده از تبدیل فوریه به مولفه های فرکانسی تجزیه و یک مجموعه ویژگی آماری از باندهای فرکانسی استاندارد، دلتا،تتا، آلفا، بتا و گاما استخراج می شود و به عنوان ورودی برای توسعه هفت طبقه بندی کننده شبکه عصبی چند لایه پرسپترون سه کلاسه: نرمال، صرع جزئی (Per-ictal) و صرع عمومی (Ictal)که با چهار روش انتشار رو به عقب مرتبه یک و سه روش انتشار رو به عقب مرتبه دو آموزش می بیند استفاده می گردد. در نهایت، با استفاده از یک مرحله Cross-validation کارایی طبقه بندی کننده ها بر حسب صحت، حساسیت و اختصاصی بودن مقایسه می شود. نتایج این تحقیق نشان می دهد که در روش های آموزش انتشار رو به عقب مرتبه یک به طور متوسط صحت برابر با 94/53 و برای روش های آموزش مرتبه دو برابر با 96/5 بوده است.
کلیدواژه ها:
نویسندگان
عذرا یعقوبی کریموی
دانشگاه بین المللی امام رضا(ع)، گروه مهندسی برق الکترونیک، مشهد، ایر
امین درخشان
دانشگاه بین المللی امام رضا(ع)، عضو هیات علمی گروه برق، مشهد، ایران
رضا یعقوبی کریموی
دانشگاه آزاد اسلامی گروه مهندسی پزشکی، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :