کاربرد فیلترکالمن و تبدیل موجک در تشخیص و شناسایی بیماری صرع

تشنج مهمترین علامت بیماری صرع بوده و آنالیز دقیق آن نیز از طریق انجام الکتروانسفالوگرافی امکان پذیر است. به دلیل ماهیت این سیگنال ها، مطالعه و تجزیه و تحلیل بصری آنها حتی برای یک نورولوژیست مجرب نیز مشکل است. به همین منظور روش های مختلفی جهت تشخیص خود کار ارایه شده است. در این تحقیق بر آن هستیم تا مروری مختصر بر روش های صرع بوسیله تحلیل سیگنال EEG تشخیص و جداسازی سیگنال های صرعی از سیگنال های سالم و نرما داشته باشیم، روش هایی که قاعدتا استفاده از EEG در زمره روش های پردازش سیگنال قرار می گیرند. به دلیل خواص نا ایستای سیگنال روش های غیرخطی نتایج بسیار بهتری را به دست می دهند. تشنج مهمترین تظاهر بیماری صرعی شکل (امواج سوزنی) امکان تشخیص بیماری صرع در سیگنال [EEG[Electroencephalography وجود دارد. یک درصد افراد در زندگی شان این بیماری را تجربه می کنند. الکتروانسفالوگرام (EEG) که برای نمایش فعالیت الکتریکی مغز استفاده می شود، ابزار کلینیکی مناسبی برای تشخیص بی نظمی های مربوط به صرع است. آشکار سازی spike های صرعی نقش بسیار مهمی در تشخیص صرع ایفا می کند. در این پژوهش از فیلتر کالمن برای حذف نویز، از تبدیل موجک برای استخراج ویژگی سیگنال EEG استفاده شده است و با استفاده از الگوریتم ا نتخاب ویژگی، ویژگی های برتر انتخاب می شوند و سپس با استفاده از شبکه عصبی آموزش را انجام می دهیم توانایی این ویژگی ها در طبقه بندی رخدادهای موجود در سیگنال EEG بررسی شده است.

کلیدواژه ها:

صرع ، تبدیل ویولت ، فیلتر کالمن ، EEG ، شبکه عصبی