تشخیص بیماری صرع در سیگنالهای الکتروانسفالوگرافی با استفاده از الگوریتم ازدحام ذرات و ماشین بردار پشتیبان کوانتومی

صرع یک بیماری عصبی مزمن است که میلیونها نفر در سراسر جهان را تحت تاثیر قرار میدهد. الکتروانسفالوگرافی یک تکنیک غیرتهاجمی است که میتواند برای تشخیص صرع استفاده میشود. با این حال، طبیعت غیرخطی سیگنالهای الکتروانسفالوگرافی چالشهایی را در تشخیص دقیق صرع ایجاد میکند. به منظور حل این مشکل، پژوهشگران الگوریتم بهینهسازی ازدحام ذرات و ماشین بردار پشتیبان کوانتومی را پیشنهاد دادهاند. در این پژوهش، ابتدا سیگنالهای الکتروانسفالوگرافی با استفاده از روش تبدیل موجک پیوسته تجزیه و سپس ویژگیهای مربوط به این سیگنالها استخراج گردید. ویژگیهای استخراج شده، با استفاده از الگوریتم ازدحام ذرات بررسی شد. سپس، بهترین ویژگیها از میان ویژگیهای موجود انتخاب و از آنها بهعنوان ورودی الگوریتم ماشین بردار پشتیبان کوآنتومی استفاده گردید. نتایج نشان داد که الگوریتم ازدحام ذرات با انتخاب بهترین ویژگیها میتواند عملکرد روش ماشین بردار پشتیبان را تا ۲ درصد افزایش دهد و این روش نسبت به روش شبکه عصبی کانولوشنی ۱۷/۱ درصد افزایش دقت داشته است.

Keywords:

الگوریتم ازدحام ذرات , سیگنال الکتروانسفالوگرافی , صرع , ماشین بردار پشتیبان کوانتومی