ارزیابی روش های تخمین مرتبه مدلAR در تشخص حملات صرعی

در این مطالعه، تاثیر انتخاب مرتبه مدل خودرگرسیون (AR) بر دقت تخمین طیف توان توان سیگنال EEG در شرایط مختلف از جمله حالت نرمال، صرع جزئی و در حین حمله صرعی مورد بررسی قرار گرفته است. علاوه بر ارزیابی روشهای مرسوم انتخاب مرتبه مدل شامل معیار اطلاعات آکائیک (AIC)، خطای پیشبینی نهایی (FPE)، CAT و MDL، روشی نوین مبتنی بر الگوریتم حداقل مربعات ساختاریافته (SLSA) نیز معرفی شده است. نتایج نشان میدهد که روش پیشنهادی مبتنی بر SLSA با بهره گیری همزمان از مزایای AIC و FPE، تخمین قابل اطمینان تری از مرتبه مدل فراهم می آورد و در مقایسه با سایر روشها، عملکرد بهتری در تحلیل سیگنال EEG در شرایط بحرانی نشان میدهد. همچنین مشخص شد که معیار MDL در برخی موارد قادر به انتخاب مرتبه مناسب مدل نبوده است. این یافته ها می توانند در بهبود پردازش سیگنال EEG و تحلیل دقیق تر وضعیت های صرعی نقش موثری ایفا کنند.

کلیدواژه ها:

سیگنال EEG ، حمله صرعی ، مدل خودرگرسیون ، الگوریتم حداقلمربعات ساختاریافته