تشخیص تشنج صرعی در سیگنال های EEG با استفاده از IMFs نرمال شده

صرع چهارمین اختلال عصبی شایع است که از طریق تشنج های بدون عامل برانگیزاننده آشکار می شود و تشخیص این تشنج ها اولین گام در تشخیص و درمان صحیح این بیماری شدید است. در این مقاله، روشی برای تشخیص خودکار تشنج بر مبنای خواص آماری و طیفی توابع حالت ذاتی (IMFs) بیشینه نرمال شده که با استفاده از تجزیه حالت تجربی گروهی کامل با روش نویز تطبیق پذیر استخراج شدند پیشنهاد شده است. ا بتدا، یک مجموعه داده در دسترس عموم از سیگنال های EEG برای تولید IMF استفاده شد و نویز یا داده های پرت کنار گذاشته شد. سپس IMF ها بیشینه نرمال شدند و نشان داده شد که با این کار تفکیک پذیری ویژگی ها بهبود یافت. ویژگی های آماری و طیفی از IMF نرمال شده استخراج شد که تفکیک بهتری از داده های تشنج و بدون تشنج را ارائه می کرد. در نهایت برای طبقه بندی از طبقه بند تفکیک درجه دوم استفاده شد و اعتبار سنجی مقابل ۱۰ برابر برای اعتبار سنجی مدل آموزش دیده انجام شد. طرح پیشنهادی از نظر عددی کارآمد است و حداکثر دقت ۱۰۰% را نشان می دهد که بالاترین میزان گزارش شده در این مجموعه داده است.

Keywords:

تشنج صرعی , نوار مغزی (GEEMDAN , (EEG , نرمال سازی بیشینه , دسته بند تفکیک کننده درجه دوم