ورود
مقالات فارسیISIکنفرانسهاژورنالها

پیش بینی حمله صرع با استفاده از فیلتر کالمن توسعه یافته در فضای حالت

محل انتشار: دوازدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,133

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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/168480

شناسه ملی سند علمی:

ICBME12_062

تاریخ نمایه سازی: 25 آبان 1391

چکیده مقاله:

در این مقاله به کاربرد فیلتر کالمن توسعه یافته برای حل مساله پیش بینی بلند مدت حمله صرع می پردازیم . هدفاصلی بررسی امکان مدل سازی این سیستم غیر خطی نسبتا پیچیده برای یافتن زمان حملات بعدی است. در این مسیرنتایج بدست آمده نشان می دهد این روش توان ایی بالایی برای شناسایی بلند مدت رفتار سیگنال های مغزی در بیمارانصرعی دارد . همچنین می توان نتیجه گرفت ویژگی های استخراج شده از سیگنال با این روش به خوبی رفتار بلند مدتاین نوع سیستم آشوبناک را توصیف می کند . در واقع نوع آوری این مقاله عمدتا در شناسایی سیگنال های مغزی با هدفاستخراج ویژگی های مناسب در بیماری صرع متمرکز شده است.

کلیدواژه ها:

فیلتر کالمن ، حملات صرع ، پیش بینی بلند مدت ، EEG و EM

نویسندگان

مصطفی قناد رضایی

آزمایشگاه پردازش سیگنال و تصویر، گروه مهندسی برق و کامپیوتر دانشگاه ت

حمید سلطانیان زاده

آزمایشگاه پردازش سیگنال و تصویر، گروه مهندسی برق و کامپیوتر دانشگاه ت

رضا آقایی زاده ظروفی

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 :
  • Angelov, P.P.; Filev, D.P.: "Flexible models with evolving structure Intelligent ...
  • Dawei Huang; :Efficient estimation for non-linear and non-Gaussian state space ...
  • TDecision and Control, Proceedlings of the 36th IEEE Conference on ...
  • Ruiz, V.F.: _ efficient approach to highly non- linear estimation, ...
  • Popivanov, D.: Dushanova, J.: Mineva, A.: Krekule, I.: "Detection of ...
  • David, A.: Aboulnasr, T.; Adaptive non-linear modeling ...
  • "Advances in Digital Filtering and Signal Processing, : ]998 IEEE ...
  • Zarrop, M.B.: Wellstead, P.E.; _ 'Two-dimensi onal and EM techniques ...
  • Sun, P.; Marko, K.: _ square root Kalman filter training ...
  • Rughooputh, H.C.S.: Rughooputh, S.D.D.V.: "Extended Kalman filter learning algorithm for ...
  • Mingui Sun; Sclabassi, R.J. _ forward EEG solutions can be ...
  • Al-Nashash, H.A.: Zalzala, A.M.S.; Thakor, N.V.: :A neural networks approach ...
  • Engineering in Medicine and Biology Society, vol. 3, pp. 2451 ...
  • Penny, W.D.; Roberts, S.J.: :EEG-based communication via dynamic neural network ...
  • Shimada, T.; Shiina, T.; Saito, Y.; "Detection of characteristic waves ...
  • Biomelicwl Engineering, IEEE Transactions on , vol. 47 , Issue: ...
  • Bondarenko, V.E.: "Epilepsy as _ sel f-organization process: a computational ...
    • نمایش کامل مراجع