طبقه بندی احتمال وقوع یا عدم وقوع حمله صرع بصورت کوتاه مدت با استفاده از اطلاعات استخراج شده از سیگنال ECG و شبکه SVM

  • سال انتشار: 1403
  • محل انتشار: بیستمین کنفرانس ملی پژوهش های کاربردی در علوم برق ،کامپیوتر و مهندسی پزشکی
  • کد COI اختصاصی: ECMECONF20_066
  • زبان مقاله: فارسی
  • تعداد مشاهده: 150
دانلود فایل این مقاله

نویسندگان

هادی چهکندی نژاد

دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد بیرجند، بیرجند، ایران

رقیه رویا حسینی

دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد بیرجند، بیرجند، ایران

چکیده

شایع ترین بیماری های مغز و اعصاب بعد از ضربه مغزی، بیماری صرع است. اما متاسفانه با وجود تحقیقات فراوان در این زمینه هنوز درمانی برای این بیماری وجود ندارد و روش های مراقبتی و پیش گیری مانند داروی ضد تشنج تا تحریک عصبی پیش از حمله وجود دارد.در این مقاله هدف پیش بینی حمله صرعی با استفاده از اطلاعات استخراج شده از سیگنال ECG جهت اطلاع رسانی به بیمار و اطرافیان و همچنین تحریک الکتریکی جهت کاهش شدت حمله است. پژوهش های موجود مبتنی بر ثبت EEG تهاجمی و یا سطحی هستند که هرکدام مشکلات خاص خود از جمله آرتیفکت های حرکتی زیاد و همچنین عدم حفاظت از حریم خصوصی بیمار است لذا از سیگنال ECG استفاده شده است که دلایل تاثیرات صرع در سیگنال قلبی توضیح داده شده است.روش پیشنهادی استفاده از تبدیل موجک و ویژگی های آماری برروی ضرایب آن، استفاده از آنتروپی شانون و همچنین چند ویژگی شکلی سیگنال قلبی است که با استفاده از آزمون آماری تی ارزیابی شده و ویژگی های برتر جهت طبقه بندی به بردارپشتیبان داده شده است.تعداد ۶ ویژگی که شاخص ارزیابی آنها کمتر از ۰.۰۱ بوده است شناسایی شد و در طبقه بندی خروجی صحت ۹۷% را نتیجه داد.

کلیدواژه ها

پیش بینی-صرع-ماشین بردار پشتیبان-طبقه بندی-استخراج ویژگی

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.