ارایه روشی مبتنی بر تبدیل موجک و آشوب در تحلیلEEG با استفاده از شبکه های عصبی و فازی به منظور تشخیص صرع
محل انتشار: دومین کنگره مشترک سیستمهای فازی و هوشمند ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,134
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FJCFIS02_074
تاریخ نمایه سازی: 26 تیر 1392
چکیده مقاله:
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:
نویسندگان
محمدرضا یزدچی
دانشگاه اصفهان،دانشکده فنی مهندسی،گروه مهندسی پزشکی
پریسا بقایی انارکی
دانشگاه آزاد نجف آباد
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 :