مقایسه صحت شبکه های عصبی MLP و RBF درتشخیص بیماری صرع

اصلی ترین ومهمترین روش تشخیص بیماری صرع، بررسی سیگنال EEG است. یکی از روش های تشخیص این بیماری، بدست آوردن ویژگی هایمناسب می باشد. این امر به دو صورت شامل محاسبه وتشخیص ویژگی ها درحوزه زمان و یا آشکار سازی ویژگی ها درحوزه فرکانس قابل اجراست.دراین مقاله، هدف تفکیک سیگنال های EEG فرد بیمار از فرد سالم می باشد که برای این منظوربه جداسازی ویژگی های زمانی ازسیگنال EEG پرداخته شدهاست. هدف اصلی از این کار جدا سازی ویژگی هایی است که با بکارگیری آن ها، سیگنال های EEG فرد مبتلا به صرع از فرد سالم به بهترینشکل قابل تفکیک باشد. پس ازاستخراج ویژگی ها به طراحی شبکه های عصبی MLP اموزش دیده با الگوریتم کلاسیک و شبکه عصبی MLPاموزش دیده باالگوریتم هوشمند ژنتیک و همچنین شبکه عصبی RBF جهت تفکیک داده ها پرداخته شده و صحت این 3 شبکه در تشخیص صرعمورد بررسی قرارگرفته است. که شبکه عصبی MLP اموزش دیده باالگوریتم ژنتیک دارای بالاترین صحت درتفکیک سیگنال های سالم وصرعیمیباشد.

Keywords:

الکتروکاردیوگرام , الگوریتم ژنتیک , شبکه عصبی MLP , شبکه عصبی RBF , ویژگی های زمانی