فائزه لطفی - کارشناسی ارشد رشته مهندسی پزشکی گرایش بیوالکتریک، موسسه آموزش عال ی جهاد دانشگاهی اصفهان.

امروزه از سه روش معمول برای کمک به تشخیص تشنج و صرع استفاده میشود که شامل بررسی MEG ، fMRI و EEGهستند. سیگنال الکتروانسفالوگرام مغز، شایعترین ابزار مورد استفاده در این گونه مطالعات است. برای رسیدن به سیستم تشخیصاتوماتیک، تعیین ویژگیهای سیگنال الکتروانسفالوگرام در مراحل مختلف تشنج ضروری است لذا در این تحقیق یک روش براساسهوش مصنوعی و پردازش سیگنال برای تشخیص بیماری صرع پیاده سازی شد. داده های مورد نیاز از پایگاه داده تهیه شدند. سپسهر سیگنال توسط تجزیه مدهای تجربی به ۶ زیر باند تجزیه شد و در نهایت از هر زیرباند ۱۱ ویژگی اماری استخراج گردید. درمجموع مدل شبکه عصبی مصنوعی با ۶۶ ویژگی به عنوان ورودی پیاده سازی شد. تجزیه و تحلیل نتایج طبقه بندی نوع سیگنالمغزی نشان داد که دقت کلی شبکه عصبی برای تشخیص نوع سیگنال EEG ۵ / ۹۸ % به دست آمد.

صرع، تشخیص، شبکه عصبی، تجزیه مدهای تجربی