ارزیابی تغییرات سیگنال‎ EEG در هنگام خواب به‎کمک تحلیل زمان- فرکانس

تشخیص مراحل خواب با صحت مناسب، یکی از موضوعات مورد توجه پزشکان می‎باشد. در این تحقیق از روش تجزیه چند دقتی مبتنی بر تبدیل ویولت که توزیع انرژی سیگنال EEG را در زمان و فرکانس ارائه می‎دهد، استفاده شده است. از سیگنال EEG، ویژگی‎هایی شامل میانگین قدر مطلق ضرایب ویولت برای هر باند، میانگین توان در ضرایب ویولت برای هر باند و انحراف معیار در ضرایب هر باند و دو ویژگی از سیگنال EOG و یک ویژگی مربوط به مرحله قبل استخراج شده است. سپس به‎کمک الگوریتم ژنتیک ویژگی‎های بهینه تعیین و به طبقه‎بندی کننده MLP داده ‎شده است. نتایج نشان می‎دهد، مراحل خواب را می‎توان با درصد صحت 91.51% از یکدیگر تفکیک کرد. بنابراین نتایج نشان می دهد، تبدیل ویولت یکی از ابزارهای خوب در تحلیل سیگنال های مغزی در هنگام خواب می‎باشد.

کلیدواژه ها:

استخراج ویژگی ، الکتروآنسفالوگرام ، ویولت ، مراحل خواب ، MLP