سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

آشکارسازی تخلیه های صرعی در سیگنال EEG با استفاده از تبدیل ویولت و ماشین بردار پشتیبان

Publish Year: 1387
Type: Conference paper
Language: Persian
View: 2,177

This Paper With 7 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

ISCEE11_220

Index date: 5 March 2008

آشکارسازی تخلیه های صرعی در سیگنال EEG با استفاده از تبدیل ویولت و ماشین بردار پشتیبان abstract

در این مقاله روشی برای آشکارسازی تخلیه های صرعی در سیگنال EEG ارائه می کنیم که در آن از 5 دسته داده که از پایگاه داده دانشگا بن گرفته شده است استفاده می نماییم. در اینمقاله از تبدیل ویولت و معیارهای آماری ضرایب ویولت و همچنین نماهای لیاپانوف به عنوان ویژگی و از ماشینهای بردار پشتیبان چند کلاسه و شبکه های عصبی چند لایه، به عنوان تفکیک کننده استفاده شده است. که در آن نشان می دهیم که می توان نتلیج قابل قبولی جهت تفکیک کنندگی اسپایکهای صرعی از سیگنال EEG بدست آورد. در این مقاله مقایسه ای بین عملکرد هر دو طبقه بندی کننده ازجنبه های حساسیت و قابلیت تفکیک ارائه می کنیم. که در آن نشان داده شده است که استفاده از ماشینهای بردار پشتیبان چند کلاسه، نتایج بهتری را می دهد . بطوریکه در بهترین حالت میزان تفکیک کنندگی ماشینهای بردار پشتیبان چند کلاسه، برای 5 دسته 91/48 درصد می گردد.

آشکارسازی تخلیه های صرعی در سیگنال EEG با استفاده از تبدیل ویولت و ماشین بردار پشتیبان Keywords:

آشکارسازی تخلیه های صرعی در سیگنال EEG با استفاده از تبدیل ویولت و ماشین بردار پشتیبان authors

هادی قاسمی فرد

دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه آزاد اسلامی واحد مشهد، د

متینه زوار

دانشجوی کارشناسی ارشد کامپیوتر ، دانشگاه آزاد اسلامی واحد مشهد، دانش

سعید راحتی قوچانی

استادیار گروه مهندسی پزشکی ، دانشگاه آزاد اسلامی واحد مشهد، دانشکده ف

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 :
Samanwoy Ghosh-D astidar, H. A., Member, IEEE, and Nahid Dadmehr, ...
inan Giler, Elif Derya Ubeyli. _ Multiclass Support Vector Machines ...
Abdulhamit Subasia, "Epileptic seizure detection using wavelet network", El sevier, ...
Abdulhamit Subasia, _، Classification of EEG signals using neural network ...
Abdulhamit Subasia, "EEG signal classification using wavelet feature extraction and ...
Elif Derya -BEYL, nan G-LER, Statistics OVer Lyapunov Exponents for ...
chri stopher g.c.Burges, 00 A Tutorial On Support Vector Machines ...
R.G. Andrzejak, K. Lehnertz, F. Mormann, C. Rieke, P. David, ...
نمایش کامل مراجع

مقاله فارسی "آشکارسازی تخلیه های صرعی در سیگنال EEG با استفاده از تبدیل ویولت و ماشین بردار پشتیبان" توسط هادی قاسمی فرد، دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه آزاد اسلامی واحد مشهد، د؛ متینه زوار، دانشجوی کارشناسی ارشد کامپیوتر ، دانشگاه آزاد اسلامی واحد مشهد، دانش؛ سعید راحتی قوچانی، استادیار گروه مهندسی پزشکی ، دانشگاه آزاد اسلامی واحد مشهد، دانشکده ف نوشته شده و در سال 1387 پس از تایید کمیته علمی یازدهمین کنفرانس دانشجویی مهندسی برق ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله سیگنالهای صرعی ، شبکه های عصبی چند لایه ، ضرایب ویولت ، ماشین بردار پشتیبان ، نماهای لیاپانوف هستند. این مقاله در تاریخ 15 اسفند 1386 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2177 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله روشی برای آشکارسازی تخلیه های صرعی در سیگنال EEG ارائه می کنیم که در آن از 5 دسته داده که از پایگاه داده دانشگا بن گرفته شده است استفاده می نماییم. در اینمقاله از تبدیل ویولت و معیارهای آماری ضرایب ویولت و همچنین نماهای لیاپانوف به عنوان ویژگی و از ماشینهای بردار پشتیبان چند کلاسه ... . برای دانلود فایل کامل مقاله آشکارسازی تخلیه های صرعی در سیگنال EEG با استفاده از تبدیل ویولت و ماشین بردار پشتیبان با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.