سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص خودکار تشنج صرعی بااستفاده از سیگنال EEG براساس تبدیل موجک گسسته

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,728

This Paper With 9 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

MECALIABAD01_002

Index date: 8 May 2016

تشخیص خودکار تشنج صرعی بااستفاده از سیگنال EEG براساس تبدیل موجک گسسته abstract

در این مقاله از روش تبدیل موجک گسسته برای تشخیص خودکار تشنج صرعی استفاده شده است، که داده های آن سیگنال های مغزی هستند، که توسط موج نگار (EEG) ثبت شده است.روش های سنتی تشخیص صرع پروسه ای زمان بر و مستلزم تحلیل تمام طول سیگنال EEG می باشد و تشخیص خودکار به مراتب سهل تر و دقیق تر است. این مقاله یک دسته بندی از سیگنال های EEGجهت تشخیص این بیماری ارائه می دهد. فرآیند تصمیم گیری از سه مرحله اساسی تشکیل شده است: ا- استخراج ویژگی بر اساس تبدیل موجک ٢ ‏- کاهش ابعاد فضای ویژگی با استفاده از ماتریس های پراکندگی ٣ ‏- دسته بندی. روش ارائه شده به روی مجموعه داده های EEG که متعلق به سه گروه بودند، اعمال شد: ١ ‏- افراد سالم ٢ ‏- افراد مبتلا به صرع در فاصله بدون تشنج ٣ ‏- افراد مبتلا به صرع حین تشنج. دقت دسته بندی کلی ١٠٠ ‏درصد بدست آمد. نتایج نشان دهنده این است که روش و استخراج ویژگی و دسته بندی مورد استفاده مناسب هستند.

تشخیص خودکار تشنج صرعی بااستفاده از سیگنال EEG براساس تبدیل موجک گسسته Keywords:

تشخیص خودکار تشنج صرعی بااستفاده از سیگنال EEG براساس تبدیل موجک گسسته authors

عارفه محرمی

گروه مهندسی برق ،دانشگاه آزاد اسلامی واحد علی آباد کتول ،علی آباد کتول ،ایران

عبدالعزیز کلته

گروه مهندسی برق ،دانشگاه آزاد اسلامی واحد علی آباد کتول ،ایران

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 :
Nigam VP, Graupe D, A neural -network-based detection of [1] ...
Buck D, Baker GA, Jacoby A, Smith DF, Chadwick DW. ...
Elger CE, Future trends in epileptology, Curr Opin Neurol 14:185, ...
Guler I, Ubeyli ED, Adaptive neuro-fuzzy inference system for classification ...
Webber WR, Litt B, Lesser RP, Fisher RS, Bankman I, ...
M. Soleymani, T. Pun, M. Pantic, Multi-modal emotion recognition in ...
S. Scholler, S. Bosse, M.S. Treder, B. Blankertz, G. Curio, ...
W. Di, C. Zhihua, F. Ruifang, L. Guangyu, and L. ...
E. Estrada, H. Nazeran, F, Ebrahimi, and M. Mikaeili, EEG ...
Z.M. Hanafiah, K.F.M. Yunos, Z.H. Murat, M.N. Taib, S. Lias, ...
Ghosh-Dastidt S, Adeli H, Dadmehr N, Principal horizontal rotation treatment, ...
using EEG, in: Proceedings of the 13th International Conference on ...
Burrus CS, Gopinath RA, Guo H, Introduction to Wavelets and ...
G.A. Worrell, L. Parish, S.D. Cranstoun, R. Jonas, G. Baltuch, ...
Gigola S, Ortiz F, Attellis CE, Silvaand W, Kochen S, ...
Adeli H, Gh osh-Dastidar S, Dadmehr N, A wavelet-chaos methodology ...
epilepsy, Neurol Res 26:55, 2004. ...
K. Polat, S. Gunes, Classification of epileptiform EEG using a ...
Fourier transform, Appl. Math. Comput. 187 (2) (2007) 1017- 38:439, ...
Srinivasan V, Eswaranand C, Sriraam N, Approximate entropy-based epileptic EEG ...
Chua KC, Chandran V, Acharya R, Lim CM. Automatic identification ...
Guo L, Rivero D, Dorado J, Munteanu CR, Pazos A, ...
D. Birvinskas, V. Jusas, I. Martisius, and R. Damasevicius, EEG ...
Amini Z, Rabbani H. Seizure Diagnosis in Children based _ ...
M.Z. Parvez, M. Paul, Epileptic seizure detection by analyzing EEG ...
Gajic D , Djurovic Z, Di Gennaro S, Gustafsson F, ...
neural network for robust epilepsy and seizure detection, IEEE Trans ...
Sadati N, Mohseni HR, Magshoudi A, Epileptic seizure detection using ...
Ubeyli ED, Analysis of EEG signals using Lyapunov exponents, Neural ...
M. Korn, Geometric and algebraic properties of polyomino tilings, PhD ...
Krommweh, Jens. "Tetrolet transform: A new adaptive image ...
representation." Journal of Visual Communication and Image Representation 21.4 (2010): ...
Tzallas AT, Tsipouras MG, Fotiadis DI, Automatic seizure detection based ...
neural networks, Comput Intell Neuroscl 80510, 2007 Gho sh-Dastidar S, ...
neural network methodology for epilepsy and epileptic seizure detection, IEEE ...
Ubeyli ED, Wa velet/mixture of experts network structure for EEG ...
Orhan U, Hekim M, Ozer M, EEG signals classiz cation ...
Andrzejak RG, Lehnertz K, Mormann F, Rieke C, David P, ...
نمایش کامل مراجع

مقاله فارسی "تشخیص خودکار تشنج صرعی بااستفاده از سیگنال EEG براساس تبدیل موجک گسسته" توسط عارفه محرمی، گروه مهندسی برق ،دانشگاه آزاد اسلامی واحد علی آباد کتول ،علی آباد کتول ،ایران؛ عبدالعزیز کلته، گروه مهندسی برق ،دانشگاه آزاد اسلامی واحد علی آباد کتول ،ایران نوشته شده و در سال 1394 پس از تایید کمیته علمی اولین کنفرانس ملی مهندسی پزشکی،مهندسی برق و کامپیوتر با محوریت اندازه گیریهای پزشکی-زیستی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تشنج صرعی، تشخیص خودکار، سیگنال EEG، تبدیل موجک گسسته هستند. این مقاله در تاریخ 19 اردیبهشت 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1728 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله از روش تبدیل موجک گسسته برای تشخیص خودکار تشنج صرعی استفاده شده است، که داده های آن سیگنال های مغزی هستند، که توسط موج نگار (EEG) ثبت شده است.روش های سنتی تشخیص صرع پروسه ای زمان بر و مستلزم تحلیل تمام طول سیگنال EEG می باشد و تشخیص خودکار به مراتب سهل تر و دقیق تر است. ... . برای دانلود فایل کامل مقاله تشخیص خودکار تشنج صرعی بااستفاده از سیگنال EEG براساس تبدیل موجک گسسته با 9 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.