ارایه روشی مبتنی بر تبدیل موجک و آشوب در تحلیلEEG با استفاده از شبکه های عصبی و فازی به منظور تشخیص صرع

توسط تبدیلات زمان فرکانسی به مانند موجک و نظریه آشوب در استخراج ویژگی از زیرباندها، میتوان دقت تشخیص بیماری صرع را در حضور فعالیت پس زمینه سیگنالهای ناخواسته و نویز بهبود داد. به منظور تجزیهEEGبه زیربان دهای دلتا ، تتا، آلفا، بتا وگاما از تبدیل موجک استفاده میشود. با استفاده از نظریه آشوب، پارامترهای بعدهمبستگی و نمایلیاپانوف به همراه انحراف معیار از زیرباندها استخراج میشوند و سپس با استفاده از شبکههای عصبی و سایر طبقهبندیکننده ها از جمله فازی،میانگین و انحراف معیار دقت روشهای مختلف با هم مقایسه میشوند. روش استنتاج فازی به عنوان یک گزینه مناسب جهتافزایش دقت تشخیص صرع به سه دسته طبیعی، فاز قبل از تشنج و تشنج، در سیگنالهای غیر ایستان مغز ی مورد بررسی و آزمون قرار گرفته است. نتایج تحقیق بیانگر این حقیقت است که سیستمهای استنتاج فازی در یک فضای مشخصه از باندهای مختلف شامل 8 پارامتر، (دقت 96,8 % و انحراف معیار ( 0,7 )) و توسط روش متوسطگیری گروهی با ترکیبی از 6 پارامتر (دقت%97,5 و انحراف معیار صفر) بر روشهای دیگر برتری داشتهاند و برای دسته بندی بیماری صرع مناسب میباشند. این در حالی است که دقت بررسیهای بصری متجاوز از 80 % نمیباشند.

کلیدواژه ها:

آشوب ، موجک ، شبکههای عصبی ، فازی. EEG