طبقه بندی سیگنال های EEG افراد وابسته به الکل از افراد سالم بر مبنای تبدیل ویولت و روش انتخاب ویژگی جلوسو
Publish place: 18th Iranian conference on Biomedical Engineering
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,093
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME18_108
تاریخ نمایه سازی: 27 فروردین 1393
Abstract:
سوء استفاده از الکل به عنوان نوشیدنی باعث بوجود آمدن ضررهای اجتماعی متعددی می شود. همچنین منجر به صدمات پنهانی مانند کاهش قدرت تصمیم گیری درست، ضعف در عملکرد حافظه و مواردی از این قبیل می گردد که پیرو آن وارد شدن صدمات جبران ناپذیری در مواقعی مانند رانندگی را در بر دارد. در این مقاله جهت جداسازی افراد وابسته به الکل از افراد سالم، از روش ویولت برای تجزیه سیگنال EEG به پنج باند فرکانسی اصلی آن و استخراج ویژگی از روی باندهای فرکانسی استفاده شده است. ویژگی های بهینه توسط روش جلوسو انتخاب شده و سپس با استفاده از ماشین بردار پشتیبان با تابع جداسازی RBF و صحت 1.03±93.90 طبقه بندی صورت گرفته است. میزان حساسیت طبقه بندی کننده 94.3% و میزان انحصاری بودن آن 93.54% گزارش شده است.
Keywords:
Authors
سیده نغمه میری آشتیانی
کارشناسی ارشد مهندسی پزشکی- بیوالکتریک، دانشکده مهندسی، دانشگاه شاهد
سیدمحمودرضا میری
کارشناسی ارشد مهندسی پزشکی- بیوالکتریک، دانشکده مهندسی، دانشگاه شاهد
محمد میکائیلی
استادیار مهندسی پزشکی- بیوالکتریک، دانشکده مهندسی، دانشگاه شاهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :