طبقه بندی احتمال وقوع یا عدم وقوع حمله صرع بصورت کوتاه مدت با استفاده از اطلاعات استخراج شده از سیگنال ECG و شبکه SVM

شایع ترین بیماری های مغز و اعصاب بعد از ضربه مغزی، بیماری صرع است. اما متاسفانه با وجود تحقیقات فراوان در این زمینه هنوز درمانی برای این بیماری وجود ندارد و روش های مراقبتی و پیش گیری مانند داروی ضد تشنج تا تحریک عصبی پیش از حمله وجود دارد.در این مقاله هدف پیش بینی حمله صرعی با استفاده از اطلاعات استخراج شده از سیگنال ECG جهت اطلاع رسانی به بیمار و اطرافیان و همچنین تحریک الکتریکی جهت کاهش شدت حمله است. پژوهش های موجود مبتنی بر ثبت EEG تهاجمی و یا سطحی هستند که هرکدام مشکلات خاص خود از جمله آرتیفکت های حرکتی زیاد و همچنین عدم حفاظت از حریم خصوصی بیمار است لذا از سیگنال ECG استفاده شده است که دلایل تاثیرات صرع در سیگنال قلبی توضیح داده شده است.روش پیشنهادی استفاده از تبدیل موجک و ویژگی های آماری برروی ضرایب آن، استفاده از آنتروپی شانون و همچنین چند ویژگی شکلی سیگنال قلبی است که با استفاده از آزمون آماری تی ارزیابی شده و ویژگی های برتر جهت طبقه بندی به بردارپشتیبان داده شده است.تعداد ۶ ویژگی که شاخص ارزیابی آنها کمتر از ۰.۰۱ بوده است شناسایی شد و در طبقه بندی خروجی صحت ۹۷% را نتیجه داد.