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

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.

Keywords:

سیگنالهای صرعی , شبکه های عصبی چند لایه , ضرایب ویولت , ماشین بردار پشتیبان , نماهای لیاپانوف