تحلیل سیگنال های مغزی EEG جهت تشخیص حملات صرع با کمک یک تکنیک ترکیبی از یادگیری ماشین و کاهش بعد غیر خطی

تقریبا 1% از افرادی که از بیماری صرع رنج میبرند دچار مرگ آنی ناشی از حملات تشنجی می-شوند. به طور کلی، تشخیص خودکار و اطلاع دقیق و به موقع پزشکی یک امر حیاتی در زمینه یمراقبت های ویژه ی بیماران صرعی می باشد. تحلیل هوشمند سیگنال های EEG در سالهای اخیربه عنوان یک ابزار مناسب جهت تشخیص حملات صرع شناخته شده است. در این تحقیق، ما ابتدا مجموعه ویژگیهای فرکانسی مناسبی از سیگنال استخراج می کنیم. در گام بعدی یک تکنیک جدید نگاشت به نام LLE را بر مجموعه ویژگی های محاسبه شده اعمال می کنیم. روش نگاشت به کار گرفته شده نه تنها موجب نمایش داده در دو یا سه بعد می شود. بلکه مشکلات محاسباتیناشی از بعد بالای داده را کمتر کرده و باعث بالا رفتن دقت در تشخیص میشود. در گام آخرتکنیک دسته بندی K همسایه ی نزدیکتر (k-nn) بر داده ی نگاشت شده اعمال می شود تا رخدادهای نرمال را از حالت صرع تشخیص دهیم. نتایج به دست آمده نشان میدهد که روشپیشنهادی به طور قابل توجهی نمایش و تشخیص حملات صرع را در مقایسه با روشهای دیگربهبود می بخشد.

کلیدواژه ها:

صرع ، سیگنال EEG و داده کاوی