تشخیص صرع در سیگنال EEG با استفاده از ویژگی طول خط و طبقه بند مبتنی بر الگوریتم IPO

در حدود یک درصد از مردم دنیا از صرع رنج می برند. اولینمرحله از درمان صرع، تشخیص به موقع و صحیح آن است. یکی از راه های تشخیص صرع، تجزیه و تحلیل دقیق الکتروانسفالوگرافی (EEG) است. در این مقاله با استفاده از یک الگوریتم ابتکاری جدید به نام الگوریتم بهینه سازی صفحات شیبدار (IPO)، سیگنال EEG آغشته به صرع از سیگنال های غیر صرعی تفکیک شده است. به دلیل خاصیت غیرخطی و نا ایستای سیگنال EEG از تبدیل ویولت جهت استخراج ویژگی های سیگنال بهره گرفته شده و سپس برای هر زیرسیگنال بدست آمده از تبدیل ویولت، پارامتری به نام پارامتر طول خط استخراج شده و در نهایت با اعمال این ویژگی ها به طبقه بند مبتنی بر الگوریتم IPO به تشخیص صرع پرداخته شده است. ب استناد به تحقیق انجام شده، مشخص شد که روش پیشنهادی توانایی بالایی در تشخیص صیحیح صرع در سیگنال EEG دارد.

کلیدواژه ها:

الکتروانسفالوگرافی ، تشخیص سرع ، تبدیل ویولت گسسته ، ویژگی طول خط ، الگوریتم ابتکاری صفحات شیبدار