تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM
Publish place: سومین کنفرانس سراسری مهندسی برق، کامپیوتر و فناوری اطلاعات
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 715
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ECIE03_004
Index date: 12 January 2018
تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM abstract
دراین مقاله روشی جدید به منظور تشخیص خودکاربیماری صرع ازروی سیگنالهای الکتروانسفالوگرافی EEGارایه میشود دراین روش سیگنالهای EEG بااستفاده ازپنجره بندی سیگنال ویژگیهای اماری انتروپی تقریبی انرژی سیگنال و موجک گسسته تجزیه و تحلیل میشوند تشخیص بیماری صرع دردومرحله صورت میگیرد درمرحله اول سیگنال های EEG بااستفاده ازتبدیل موجک گسسته به پنج سطح تجزیه میشوند درمرحله دوم مقادیر انتروپی تقریبی و میانگین انرژی سیگنال درزیرباندهای سطوح دوم تا پنجم استخراج میشوند و نیز با استفاده ازپنجره بندی سیگنال و ویژگیهای اماری ویژگیهایی ازسیگنال بدست می آید اختلاف قابل توجهی بین مقادیر انتروپی تقریبی و میانگین انرژی درسیگنال EEG نرمال و صرعی درسطوح دوم تا پنجم تجزیه به وسیله تبدیل موجک گسسته وجود دارد درنهایت سیگنالهای EEG نرمال و صرعی بااستفادها زکلاس بندی های طبقه بندی کننده SVM و Bayesطبقه بندی شده و نتایج روش پیشنهادی مورد ارزیابی قرارگرفته و بانتایج سایرروشها مقایسه میشوند این روش سیگنالهای صرعی و نرمال را بادقت 011 درصد طبقه بندی می کند
تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM Keywords:
تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM authors
مصطفی زارعی
دانشگاه بوعلی سینا همدان
کامران فرج زاده
دانشگاه آزاد اسلامی تهران شمال
علیرضا نوقابی
دانشگاه آزاد اسلامی واحدفیروزکوه