تشخیص صرع در سیگنال EEG با استفاده از ویژگی طول خط و طبقه بند مبتنی بر الگوریتم IPO
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,264
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPRIA02_031
تاریخ نمایه سازی: 28 شهریور 1394
Abstract:
در حدود یک درصد از مردم دنیا از صرع رنج می برند. اولینمرحله از درمان صرع، تشخیص به موقع و صحیح آن است. یکی از راه های تشخیص صرع، تجزیه و تحلیل دقیق الکتروانسفالوگرافی (EEG) است. در این مقاله با استفاده از یک الگوریتم ابتکاری جدید به نام الگوریتم بهینه سازی صفحات شیبدار (IPO)، سیگنال EEG آغشته به صرع از سیگنال های غیر صرعی تفکیک شده است. به دلیل خاصیت غیرخطی و نا ایستای سیگنال EEG از تبدیل ویولت جهت استخراج ویژگی های سیگنال بهره گرفته شده و سپس برای هر زیرسیگنال بدست آمده از تبدیل ویولت، پارامتری به نام پارامتر طول خط استخراج شده و در نهایت با اعمال این ویژگی ها به طبقه بند مبتنی بر الگوریتم IPO به تشخیص صرع پرداخته شده است. ب استناد به تحقیق انجام شده، مشخص شد که روش پیشنهادی توانایی بالایی در تشخیص صیحیح صرع در سیگنال EEG دارد.
Keywords:
Authors
محمدرضا اسماعیلی
دانشجوی دکتری گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند
سیدحمید ظهیری
استاد گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند
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 :