تحلیل سیگنال های مغزی به منظور تشخیص شروع تشنج صرع با رویکرد ویولت و یادگیری نیمه نظارتی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 998
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTCK02_029
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
تشنج مهم ترین نشانه بیماری صرع بوده و آنالیز دقیق آن از طریق انجام الکتروآنسفالوگرافی امکان پذیراست.سیگنال الکتروآنسفالوگرام نقش بسزایی در تشخیص بیماری صرع ایفا می کند. هدف این پژوهش آشکارسازی تخلیههای صرعی از سیگنال الکتروانسفالوگرام در کمترین زمان ممکن و در نتیجه تشخیص حملات با استفاده از داده هایمغزی ثبت شده از افراد سالم و مبتلا به صرع میباشد. در این مقاله از انحراف معیار و قدرت طیفی سیگنال حاصل ازتجزیه ویولت به عنوان ویژگی های اصلی و از یادگیری نیمه نظارتی و شبکه عصبی مصنوعی چند لایه به عنوان طبقهبند استفاده شده است. استفاده از این روش برای مواردی که داده های برچسب نخورده با تعداد زیاد و داده هایبرچسب خورده کم می باشند، که در حوزه پزشکی معمولا این شرایط وجود دارد، مناسب می باشد. مقایسه بین عملکرددو طبقه بند نیمه نظارتی و باناظر نشان می دهد که با ویژگی های استخراج شده، طبقه بند نیمه نظارتی از نظر درصدصحت تشخیص با طبقه بند باناظر برابری می کند.
Keywords:
Authors
نوشین ریاحی
دکترای رشته مهندسی برق، دانشگاه صنعتی شریف
آرزو اسماعیلی
دانشجوی رشته هوش مصنوعی، دانشگاه الزهرا
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 :