ارائه روشی نوین برای تشخیص حملات صرعی مبتنی بر آنالیز کمی سازی بازگشتی و الگوریتم ژنتیک مبتنی بر سیگنال EEG

در طبقه بندی داده ها انتخاب فضای ویژگی متناسب با ماهیت پدیده و قدرت تفکیک بالا بسیار حائز اهمیت است. قابلیت نگاشت بازگشتی در تحلیل دادگان غیر ایستا موجب می شود در تشخیص حملات صرعی نیز مورد توجه قرار گیرد. در این پژوهش به تشخیص حملات صرعی توسط آنالیز کمی سازی بازگشتی بر پایه ترکیب الگوریتم ژنتیک و طبقه بند بیزین پرداخته شده است. در ابتدا نگاشت بازگشتی سیگنال EEG دو گروه صرعی و نرمال هریک شامل ۱۰۰ نمونه،بازای پنج نوع معیار فاصله (ماکزیمم فاصله، مینیم فاصله، اقلیدوسی، ماهابولیس، منهتن) و ۱۰ حد آستانه مختلف تشکیل و بهترین مجموعه ویژگی بازای ۵۰ تکرار الگوریتم ژنتیک براساس نرخ طبقه بندی بیزین انتخاب گردید. نتایج، نشانگر کارایی بالای روش پیشنهادی بوده به و گونه ای که با انتخاب معیار مینیم فاصله و ϵ>۰/۱ >۱ تفکیک ۱۰۰% است. همچنین روش نسبت به پارامترهای ϵو معیار فاصله حساسیت پایینی دارند. ویژگی Trans با بیشترین مشارکت در انتخاب ویژگی و بالاترین صحت، به عنوان ویژگی بهینه معرفی می شود.

کلیدواژه ها:

الکتروانسفالوگرام ، تشخی حمله صرعی ، آنالیز کمی سازی بازگشتی ، انتخاب ویژگی ، الگوریتم ژنتیک ، طبقه کننده بیزین