تشخیص تشنج های صرعی با استفاده از آنالیز پارامترهای Hjorth و مدل خودبازگشتی
Publish place: نهمین کنفرانس بین المللی مهندسی برق با محوریت انرژی های نو
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 766
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NEEREC09_017
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
در این مقاله آنالیز سری زمانی سیگنال های EEG به منظور تشخیص و طبقه بندی خودکار حملات صرع مورد بررسی قرار گرفته است.استخراج پارامترهای Hjorth و همچنین استفاده از مدل خودبازگشتی می تواند ویژگیهای زمانی سیگنال های EEG را بیان کنند. پارامترهایHjorth عبارتند از پارامتر فعالیت، پارامتر تحرک و پارامتر پیچیدگی. در این مطالعه با پنجره گذاری روی سیگنال در پنجرههای به طول 1365سمبل (7/9 ثانیه ای)، ویژگی های فعالیت، تحرک و پیچیدگی و همچنین ضرایب مدل خودبازگشتی با مرتبه 11، از هر پنجره استخراج شده است.کارایی چهار طبقه بند به نام های شبکه عصبی کوانتیزه کننده برداری (LVQ)، شبکه عصبی احتمالاتی (PNN)، همچنین آنالیز تفکیککننده خطی (LDA) و K نزدیکترین همسایگی (KNN)، برای طبقه بندی الگوهای صرعی مقایسه شده است. نتایج این مطالعه نشان می دهدکه ویژگی های فوق قابلیت تفکیک حملات صرعی زمان کوتاه را از سیگنال های بدون تشنج دارا می باشند، همچنین طبقه بند KNN بهتر از سایرطبقه بندها با دقت 98/33% این عمل را انجام می دهد.
Keywords:
Authors
آرزو ذاکری
دانشکده فنی مهندسی، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی علی آباد کتول
سینا سوخته سرایی
دانشکده فنی مهندسی، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی علی آباد کتول
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 :