بهینه سازی شناسایی حملات صرعی با استفاده از پردازش سیگنالهای مغزی مبتنی بر الگوریتم AIS

بیماری صرع یا epilepsy چهارمین بیماری شایع و مزمن جهان می باشد. این بیماری در طبقه بندی بیماری های مغز و اعصاب قرار می گیرد. در کشور ایران حدود یک درصد از جمعیت به این بیماری مبتلا می باشند. بیماری صرع مجموعه ای از اختلالات عصبی مزمن می باشد که معمولا با حمله های صرعی مشخص می گردد. حملات صرعی معمولا به طور مکرر رخ می دهند و دلایل ثابت و مشخصی ندارند. الگوریتم بهینه سازی ایمنی مصنوعی (Artificial Immune System Algorithm) از الگوریتم های بسیار کارآمد در حل مسائل بهینه سازی است. الگوریتم ایمنی مصنوعی در حوزه های مختلف مسائل بهینه سازی کاربرد دارد. بهینه سازی فرآیندی برای تعیین بهترین راه حل است. الگوریتم بهینه سازی ایمنی مصنوعی (AIS) از روش به کمینه یا به حداکثر رساندن پارامترهای درگیر در مسائل استفاده می کند. اصلی ترین و مهم ترین روش تشخیص بیماری صرع، بررسی سیگنال EEG است. در این مقاله جهت آشکارسازی شروع تشنج با استفاده از الگوریتم فراابتکاری سیستم ایمنی مصنوعی به تشخیص و جداسازی سیگنال EEG آغشته به صرع از سیگنال های افراد سالم پرداخته ایم. سیستم ایمنی بدن ما، دقیقا مشابه یک سیستم تشخیص الگو کار میکند. الگوریتم بهینه سازی ایمنی مصنوعی الگوهای غیرخودی از الگوهای خودی را همانند سیستم ایمنی طبیعی تشخیص میدهد. آنتی ژن ها موادی هستند که می توانند پاسخ ایمنی را ایجاد کنند. پاسخ ایمنی واکنش بدن به آنتی ژن است، بنابراین از صدمه زدن آنتی ژن به بدن جلوگیری می کند. آنتی ژن ها می توانند باکتری، قارچ، انگل و یا ویروس باشند. یک آنتی ژن باید به عنوان یک خارجی تشخیص داده شود.

کلیدواژه ها:

الگوریتم بهینه سازی ایمنی مصنوعی ، تشخیص صرع ، سیگنال EEG