طبقهبندی سیگنالهای EEG با استفاده از مدل شبکهی عصبی پرسپترون چندلایه و دستهبندی k-Means
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 693
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RSTCONF01_293
تاریخ نمایه سازی: 30 آبان 1394
چکیده مقاله:
ما یک شبکهی عصبی پرسپترون چندلایه (MLPNN) بر اساس مدل طبقه بندی شده بهعنوان یک مکانیسم تشخیصی در درمان بیماری صرع معرفی کردیم . سیگنالهای EEG با استفاده از تبدیل موجک گسسته (DWT) به زیرباندهای فرکانسی، تجزیه و ضرایب موجک برای هر زیرباند فرکانسی با استفاده از الگوریتم K-Means دستهبندی شدند. توزیعات احتمال برطبق توزیع ضرایب موجک برای خوشهها، محاسبه و سپس به عنوان ورودی MLPNN استفاده شدند. ما پنج آزمایش مختلف برای ارزیابی عملکرد مدل ارائهشده در طبقهبندی ترکیبهای مختلفی از بخش های سالم ، بخشهای بدون حملات صرعی و بخشهای دارای حملات صرعی، انجام دادیم. ما نشان دادیم که در مدل ارائهشده، نرخ دقت طبقهبندی، رضایتبخش است
کلیدواژه ها:
بیماری صرع ، دستهبندی K-Means ، تبدیل موجک گسسته (DWT) ، شبکهی عصبی پرسپترون چندلایه (MLPNN) ، سیگنالهای EEG ، طبقهبندی
نویسندگان
نرجس اشکان
دانشجو، کارشناسی ارشد مهندسی پزشکی، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد کازرون، کازرون، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :