پیش بینی اتوماتیک زمان وقوع حمله صرع برپایه et-chaosWavel

صرع یکی ازشایع ترین اختلالات عصبی است که معمولا با حملات ناگهانی همراه است وقوع این حملات ناگهانی میتواند باعث قرارگرفتن شخص درموقعیت های خطرناکی شود که حتی زندگی بیماررا به مخاطره می اندازد روشهای آنالیز سری زمانی مربوط به تئوری دینامیک غیرخطی و آشوب دربررسی سریهای زمانی سیگنالهای حیاتی کاربرد گسترده ای دارند پیش بینی حمله صرع با اعمال روشهای آنالیز سری زمانی به داده های EEG ثبت شده از بیماران مبتلا به صرع ازجمله این کاربردهامیب اشد الگوریتم ارایه شده دراین مقاله برپایه اسختراج ویژگیهای غیرخطی و آشوبگونه استوار است دراین روش بالاترین سطح انرژی سیگنال توسط انالیز مولفه های اصلی PCA بدست آمده که با استفاده از آنالیز موجک زیرباندهای متفاوت آن استخراج می شود ویژگی های Shan-Entropy ,Petrosian and Higuchi fractal dimension برپایه تئوری آشوب از زیرباندهای مذکور استخراج می شود سپس با استفاده از استانه گذاری اتوماتیک الگوریتم پیش بینی بررسی میشود.

Keywords:

آنالیز موجکWavelet Transform , انالیز مولفه اصلیPCA , پیش بینی صرع , EEG