طبقه بندی احتمال وقوع یا عدم وقوع حمله صرع بصورت کوتاه مدت با استفاده از اطلاعات استخراج شده از سیگنال ECG و شبکه SVM
عنوان مقاله: طبقه بندی احتمال وقوع یا عدم وقوع حمله صرع بصورت کوتاه مدت با استفاده از اطلاعات استخراج شده از سیگنال ECG و شبکه SVM
شناسه ملی مقاله: ECMECONF20_066
منتشر شده در بیستمین کنفرانس ملی پژوهش های کاربردی در علوم برق ،کامپیوتر و مهندسی پزشکی در سال 1403
شناسه ملی مقاله: ECMECONF20_066
منتشر شده در بیستمین کنفرانس ملی پژوهش های کاربردی در علوم برق ،کامپیوتر و مهندسی پزشکی در سال 1403
مشخصات نویسندگان مقاله:
هادی چهکندی نژاد - دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد بیرجند، بیرجند، ایران
رقیه رویا حسینی - دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد بیرجند، بیرجند، ایران
خلاصه مقاله:
هادی چهکندی نژاد - دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد بیرجند، بیرجند، ایران
رقیه رویا حسینی - دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد بیرجند، بیرجند، ایران
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.
کلمات کلیدی: پیش بینی-صرع-ماشین بردار پشتیبان-طبقه بندی-استخراج ویژگی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/2070198/