پردازش سیگنال EEG در سیستم مدولاسیون پالس کد تفاضلی جهت تشخیص حملات صرع با استفاده از شبکه های عصبی مصنوعی

صرع یک بیماری نورولوژیکی بوده و تنها یک درصد افراد در زندگی شان این بیماری را تجربه می کنند. آنالیز دقیق آن نیز از طریق انجام الکتروانسفالوگرافی (EEG) امکان پذیر است. به وسیله آشکارسازی دشارژهای صرعی شکل (امواج سوزنی شکل) امکان تشخیص بیماری صرع در سیگنال EEG وجود دارد. مدولاسیون پالس کد تفاضلی (DPCM)، نقش مهمی را در سیستم های مخابراتی و پزشکی ایفا می نماید. در این مقاله بر اساس مطالعه نظری به عمل آمده در شبیه سازی سیستم DPCM، طراحی درجه پیشگوکننده و کوانتایزر بهینه به نحو مطلوبی انجام گرفته است. به جای کدگذاری مستقیم سیگنال EEG، سیستم DPCM تفاضل بین سیگنال ورودی و سیگنال خروجی پیشگو را کدگذاری می کند. اختلاف حاصله از دو سیگنال، از نظر مقدار خیلی کوچک بوده و با تعداد بیت های کمتری می تواند کوانتیزه شود. در طراحی پیشگو، الگوریتم لوینسن-درباین و در تعیین سطوح کوانتایزر، روش کلاسیک و روش لوید به کار گرفته شده است. در عمل هر کدام از روش های به کار رفته از ویژگی های متفاوتی برخوردار می باشند. DPCM طراحی شده دارای کمترین تعداد بیت های لازم برای انتقال داده های EEG می باشد. در این مطالعه از طریق کوانتایزر دوبیتی در حالت عادی و سه بیتی در حالت کوانتایزر بهینه و پیشگوی درجه ۲، نتیجه مطلوبی در پردازش سیگنال EEG جهت تشخیص حملات صرع حاصل گردیده است. لازم به ذکر می باشد به علت پیچیدگی امواج مغزی و دشواری تشخیص بصری نوار مغزی، این روش کمک زیادی در تشخیص حملات صرع به پزشکان می نماید. هدف این تحقیق، پردازش سیگنال های EEG در سیستم مدولاسیون پالس کد تفاضلی جهت تشخیص حملات صرع با استفاده از شبکه های عصبی مصنوعی می باشد.

کلیدواژه ها:

الکتروانسفالوگرافی ، مدولاسیون پالس کد تفاضلی ، پیشگو و کوانتایزر ، بیماری صرع ، شبکه های عصبی مصنوعی