دسته بندی حملات صرعی، با استفاده از ویژگی های آماری سیگنال الکتروانسفالوگرافی

تشخیص صرع، زمان بر بوده و نیازمند مشاهدات کامل برای تعیین نوع صرع و منطقه ای از قشر مغز است که با شروع حمله، مرتبط می باشد. جهت طبقه بندی انواع حملات صرعی، ضروری است بین دور های مختلف سیگنال الکتروانسفالوگرافی که شامل وضعیت نرمال، وضعیت بروز حمله و وضعیت بین حملات می باشد، تمایز قائل شد. این مقاله، یک روش بدون درد از طبقه بندی صرع، برای تشخیص مستقیم صرع ارائه می دهد و صحت طبقه بندی سیگنال الکتروانسفالوگرافی چند دسته ای را در حین حمله صرعی بررسی می کند. برای انجام تحقیقات، از جعبه ابزارDWT (تبدیل موجک دیجیتال) در نرم افزار MATLAB استفاده شده است تا ویژگی های معتبر در بردارهای مربوطه به دست آید. سپس، بردارهای ویژگی، وارد لایه ورودی طبقه بندی کننده شبکه عصبی شده تا تفاوت میان دوره هایی که در آن ها سیگنال الکتروانسفالوگرافی نرمال، نشان دهنده حمله و فواصل بین حملات است را مشخص کند. نرخ صحت، بر اساس ماتریس اغتشاش محاسبه می شود. روش پیشنهادی، جهت نظارت و تشخیص نوع صرع به همراه سیستم اعلام خطر، قابل استفاده است.

دسته بندی حملات صرعی، با استفاده از ویژگی های آماری سیگنال الکتروانسفالوگرافی Keywords:

صرع , تبدیل موجک دیجیتال (DWT) , سیگنال الکتروانسفالوگرافی