ارائه یک سیستم ترکیبی هوشمند به منظور پیش بینی وقوع حملات تشنجی ناشی از صرع براساس تاخیر های بهینه در سری های زمانی و الگوریتم های انطباقی فازی-عصبی
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 50
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NKUMS-7-1_014
تاریخ نمایه سازی: 29 دی 1402
Abstract:
زمینه و هدف: از مهم ترین نشانه های صرع می توان به تشنج، اشاره کرد. پیش بینی و تشخیص به موقع حمله تشنجی به طور چشمگیری آسیب های ناشی از آن را در افراد صرعی کاهش می دهد. از مشکلات اساسی مربوط به این اختلال عصبی عدم توانایی در پیش بینی به موقع وقوع حملات تشنجی می باشد. مواد و روش کار: به دلیل تصادفی بودن فرآیندهای الکتریکی منجر به صرع رفتار سیگنال های مغزی را به صورت یک دنباله در واحد زمان می توان بیان کرد. این تحقیق ۳۰۰ مصروع در سه گروه طبیعی، مرحله قبل از تشنج و تشنج بررسی شدند. بر این اساس داده ها پس از دریافت، پیش پردازش شدند، سپس به دنبال استخراج ویژگی های خاص، توسط الگوریتم پیشنهادی، پیش بینی قابل قبول و مناسبی بر روی آن ها صورت می گیرد. در نهایت به منظور اعتبار سنجی نهایی، از روش ارزیابی چند دسته ایی هم عرضی (k-fold) استفاده شده است. یافته ها: ابتدا توسط تبدیل پردازشگر ویولیت (WT۳) آرتیفکت های احتمالی حذف شد، در مرحله بعد توسط الگوریتم هوشمند پرندگان (BPSO۴ ) بهترین ویژگی ها (تاخیرها) بدست آمد، سپس توسط الگوریتم ماشین بردار پشتیبان (SVM۵)، کاهش بعد ویژگی ها (تاخیرها) به منظور مدیریت داده ها انجام شد. در پایان ارزیابی نهایی و اعتبار سنجی نهایی صورت گرفت، تا دقت الگوریتم با ۲ واحد زمانی تاخیر در پیش بینی تایید شود. نتیجه گیری: سیستم پیشنهادی در قالب ترکیب و تعامل به دقت پیش بینی بالایی دست یافت. روش های حاضر علی رغم دقت بالا؛ در پیش بینی توانایی چندانی ندارند. مقایسه این روش و روش های موجود نشان از دقت و کارایی بالای این سیستم دارد.
Keywords:
Authors
محمد فیوضی
دانشگاه علم و صنعت ایران، تهران،
جواد حدادنیا
دانشگاه علوم پزشکی سبزوار، دانشگاه حکیم سبزواری
علیرضا مسلم
دانشگاه علوم پزشکی سبزوار
محمد محمدزاده
دانشگاه علوم پزشکی سبزوار
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :