Analysis and classification of EEG signals using spectral analysis and recurrent neural networks

سال انتشار: 1389
محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران
کد COI اختصاصی: ICBME17_040
زبان مقاله: انگلیسی
تعداد مشاهده: 1039

نویسندگان

Electrical Engineering Department, Islamic Azad Univ. Najafabad Branch Najafabad, Esfahan, Iran

چکیده

This study proposes a three stages technique for automatic detection of epileptic seizure in EEG signals. Inpractical application of pattern recognition, there are often diverse features extracted from raw data which needs to be recognized. Proposed method is based on time series signal, spectral analysis and recurrent neural networks (RNNs). Decision making was performed in three stages:(i)feature extraction using Welch method power spectrum density estimation (PSD) (ii)dimensionality reduction using statistics over extracted features and time series signal samples (iii)EEG classification using recurrent neural networks. This study shows that Welch method power spectrum density estimation is an appropriate feature which well represents EEG signals. Weachieved higher classification accuracy (specificity, sensitivity, classification accuracy) in comparison with other researches to classify EEG signals exactly 100%in this study.

کلیدواژه ها

EEG signals classification, Welch PSD, Recurrentneural networks, Sensitivity, Specificity

مقالات مرتبط جدید

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.