تشخیص خودکار صرع با استفاده از فرکانس آنی و انرژی امواج پنجگانه سیگنال EEG

این مقاله به بررسی و ارائه یک رویکرد نوآورانه در زمینه طبقه بندی سیگنال های الکتروانسفالوگرام (EEG) پرداخته است. هدف اصلی این تحقیق، تفکیک سیگنال ها به دو دسته عمده یعنی طبیعی و غیرطبیعی (صرعی) می باشد. برای دستیابی به این هدف، این روش به طور خاص از ویژگی های به دست آمده از فرکانس لحظه ای (IF) و همچنین انرژی موجود در سیگنال های EEG بهره می برد که این سیگنال ها تحت آنالیزهای مختلف در باندهای طیفی گوناگون قرار گرفته اند. نتایج استخراج شده از اعمال این روش بر روی پایگاه داده ای شامل سیگنال های واقعی، به وضوح و به صورت محسوس نشان دهنده این واقعیت است که ویژگی های انتخاب شده به طور مداوم و پیوسته قادر به ایجاد یک تفکیک بسیار قابل توجه و دقیقی میان سیگنال های EEG جمع آوری شده از بیماران سالم و بیماران مبتلا به صرع هستند. این امر اهمیت بسیار بالای این روش را در تشخیص و متمایز ساختن حالات مختلف بیماران مطرح می کند. علاوه بر این، تجزیه و تحلیل مربوط به تاثیر طول پنجره ای که در فرآیند استخراج ویژگی ها از سیگنال های EEG مورد استفاده قرار گرفته است، نشان می دهد که ویژگی های استخراج شده از بخش های EEG در بازه زمانی کوتاه مدت پنج ثانیه، به طور چشمگیری به میانگین دقت کلی بالای ۹۵.۳ درصد دست یافته اند. این یافته نشان دهنده این واقعیت است که مدت زمان های کوتاه در ثبت داده ها نه تنها می تواند تاثیر مستقیمی بر کیفیت و دقت نتایج نهایی داشته باشد، بلکه همچنین این تاثیر می تواند بر عملکرد روش های مختلف طبقه بندی سیگنال های EEG در شرایط بالینی و پژوهشی بسیار تاثیرگذار باشد.

تشخیص خودکار صرع با استفاده از فرکانس آنی و انرژی امواج پنجگانه سیگنال EEG Keywords:

سیگنال الکتروانسفالوگرام , بیماری صرع , امواج مغزی , فرکانسی آنی