آشکارسازی تخلیه های صرعی در سیگنال EEG با استفاده از آنالیز مؤلفه های مستقل

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,159

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME12_032

تاریخ نمایه سازی: 25 آبان 1391

چکیده مقاله:

در این مقاله روشی برای آشکار سازی تخلیه های صرعی در سیگنال EEG ارائه می کنیم که در آن از توزیع زمانی و مکانی این تخلیه ها استفاده شده است. این آشکارسازی با استفاده از روش آنالیز مؤلفه های مستقل (ICA) انجام می شود که سیگنال مغزی را به مؤلفه هایی با توزیع ثابت مکانی و بیشترین استقلال در حوزه زمان، بدون نیاز به دانستن مدل مولد این مؤلفه ها، تجزیه می کند. به نظر می رسد که روش ICA با فرض استقلال علائم صرعی از سیگنال زمینه EEG و همچنین آرتیفکتهای موجود، روشی مؤثر برای آشکارسازی آنها بوده و امکان تجزیه سیگنال را به مؤلفه های زمانی- مکانی آن فراهم می کند. این روش را بر چندین سیگنال صرعی اعمال کرده و مقایسه ای بین عملکرد آن و عملکرد روش آنالیز مؤلفه های اساسی (PCA) از جنبه های حساسیت و قابلیت تفکیک ارائه می کنیم. روش پیشنهادی قادر به استخراج 25 مورد از ضربه های شبیه سازی شده و 28 مورد از ضربه- موجهای شبیه سازی شده از مجموع 30 ضربه ای که به طور مصنوعی در سیگنال EEG ایجاد شدهاند، بوده است. همچنین منحنی نرمالیزه شده معیار ضربه ای بودن برای آنالیز مؤلفه های مستقل و آنالیز مؤلفه های اساسی و داده خام نشان می دهد که متمرکز شدن مؤلفه های مهم در تعداد کمتری از مؤلفه های استخراج شده برای آنالیز مؤلفه های مستقل، حاکی از حساسیت بیشتر آن نسبت به روش PCA است.

کلیدواژه ها:

آنالیز مؤلفه های مستقل- تخلیه های صرعی- ضربه- تابع توزیع غیر گوسی

نویسندگان

سمیه رئیس دانا

دانشجوی کارشناسی ارشد، دانشگاه تربیت مدرس

احمدرضا شرافت

دانشیار، بخش مهندسی برق، دانشگاه تربیت مدرس

علی مطیع نصرآبادی

استادیار، دانشکده برق، دانشگاه شاهد

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 :
  • R. Vigario, "Independent component approach to the analysis of EEG ...
  • K. Kaboyashi, C. James, ...
  • Clinical Neurophysio logy, No.100, pp. 1755-1763, 1999. ...
  • Ki. Young Jung, L. Moon Kim, D. C. Chung, ...
  • synchrony, " Clinical Neu rophysiology, No.1, pp. 1-7, 2005 ...
  • auditory event related brain responses into independent components, " Proc. ...
  • spatio -temporal clustering, Neurophysio logy, No. 115, 2004. ...
  • Neu rophysiology, No. 112, pp. 405- 413, ...
  • Algorithms for independent component analysis, " IEEE Trans. Neural Networks, ...
  • signals, " Physiol. Meas. Vol. 25, R15- R39, 2005. ...
  • Comput, Vol. 7, pp. 1129-1159, 1995 . E. Oja, ...
  • component analysis, " Neur Comput., No. 9, pp. 1483-1492, 1997 ...
  • S. Wilson and R. Emerson, "Spike detection: a review and ...
  • Z. Koles and J. Lind, 2 Spatio -temporal decomposition of ...
  • localization of sources, " Electroenceph. Clin. Neurophysiol, No. 95, pp. ...
  • نمایش کامل مراجع