تشخیص حملات صرعی از طریق تحلیل سیگنال های EEG با استفاده از شبکه های عصبی عمیق هیبریدی متشکل از خودرمزنگار و شبکه های کانولوشنی

شناسایی دقیق حملات صرع از اهمیت بالایی در زمینه تحقیقات پزشکی برخوردار است، زیرا این امر می تواند به بهبود درمان و مدیریت بیماران مبتلا به صرع کمک کند. در این مطالعه، ما یک رویکرد جدید برای شناسایی حملات صرع از طریق تحلیل سیگنال های الکتروانسفالوگرام (EEG) و استفاده از یک شبکه عصبی عمیق ترکیبی خودکار رمزگذار-پیچیدگی را پیشنهاد می کنیم. هدف اصلی این روش افزایش دقت و کارایی تشخیص حملات صرعی است. در این رویکرد، سیگنال های EEG به عنوان ورودی به مدل پردازش سیگنال مورد استفاده قرار می گیرند که اطلاعات حیاتی در مورد فعالیت مغزی در زمان حملات صرع ارائه می دهد. ما از تکنیک های پیشرفته پردازش سیگنال برای استخراج ویژگی های مرتبط از داده های EEG استفاده می کنیم تا الگوهای مربوط به حملات صرعی شناسایی شوند. این ویژگی ها سپس به یک مدل شبکه عصبی عمیق ترکیبی رمزگذار-پیچیدگی وارد می شوند. جزء رمزگذار خودکار مدل ترکیبی، به عنوان یک ابزار یادگیری بدون نظارت، به طور موثری ویژگی های سطح بالای سیگنال های EEG ورودی را استخراج می کند. این فرآیند موجب کاهش نویز و افزایش تمایز لایه های کانولوشن بعدی می شود. در بخش کانولوشنال، مدل با استفاده از یک رویکرد سلسله مراتبی به تحلیل وابستگی های فضایی در سیگنال های EEG پرداخته و دقت شناسایی حملات صرعی را به طور چشمگیری افزایش می دهد. برای ارزیابی اثربخشی این روش، آزمایش های گسترده ای بر روی مجموعه داده های بزرگ از ضبط های EEG بیماران مبتلا به صرع انجام شده است. نتایج آزمایش ها نشان می دهند که روش پیشنهادی در تشخیص دقیق حملات صرع عملکرد بالاتری نسبت به دیگر روش ها دارد و در دستیابی به میانگین حساسیت ۹۲.۷ درصد و ویژگی ۹۰.۸ درصد موفق بوده است. علاوه بر این، مدل ترکیبی توانسته است عملکرد برجسته ای در تشخیص تشنج های عمومی و کانونی ارائه دهد، که نشان دهنده تطبیق پذیری بالای این مدل و پتانسیل آن برای کاربردهای گسترده تر در تشخیص صرع است. این رویکرد می تواند تحولی در زمینه تشخیص و درمان صرع ایجاد کند و به عنوان ابزاری موثر برای بهبود کیفیت زندگی بیماران مبتلا به صرع مورد استفاده قرار گیرد.

کلیدواژه ها:

حملات صرعی ، سیگنال الکترواسنفالوگرام ، شبکه عصبی عمیق هایبرید خودرمزنگار-کانولوشنی