استخراج ویژگی برای طبقه بندی خودکار مراحل خواب
Publish place: 14th Iranian conference on Biomedical Engineering
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,030
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:
ICBME14_086
تاریخ نمایه سازی: 3 تیر 1387
Abstract:
در آزمایشگاههای خواب سیگنالهای بیولوژیکی مختلف شامل EMG، EOG ، EEG به منظور تشخیص اختلالات خواب ثبت می شوند آنالیز اطلاعات ثبت شده در زمان خواب توسط متخصص خواب به صورت شهودی انجام می شود. طبقه بندی شهودی مراحل خواب به دلیل طولانی بودن ثبت ها، کار زمان بر و خسته کننده ای است. آنالیز خودکار خواب می تواند این کار را تسهیل کند. مهمترین گام برای طبقه بندی خودکار مراحل خواب، استخراج ویژگیهای مناسب است. در این تحقیق دو دسته ویژگی از سیگنال EEG استخراج شد. دسته اول ویژگیهایی هستند که از روی ضرایب ویولت محاسبه شدند و دسته دوم شامل تعدادی از ویژگیهای فرکانسی و یک ویژگی زمانی یعنی دامنه سیگنال EEG هستند. در ادامه این دو مجموعه از ویژگیها به طور مجزّا توسط شبکه های عصبی SOM به فضای دو بعدی نگاشت شدند. نگاشت بدست آمده نشان داد که این ویژگیها در جدا کردن خودکار مراحل خواب بسیار مفید هستند. این نگاشت همچنین نشان داد که سیگنال EEG به تنهایی برای جدا کردن کامل مراحل خواب کافی نیست. اطلاعات استخراج شده از سیگنال EEG خواب REM و مرحله 1 از خواب NREM به ناحیه یکسان نگاشت شدند که این نتایج منطبق با تعاریف فیزیولوژی مراحل خواب است.
Keywords:
Authors
فریده ابراهیمی
دانشگاه شاهد. دانشکده فنی و مهندسی
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 :