تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM
عنوان مقاله: تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM
شناسه ملی مقاله: ECIE03_004
منتشر شده در سومین کنفرانس سراسری مهندسی برق، کامپیوتر و فناوری اطلاعات در سال 1396
شناسه ملی مقاله: ECIE03_004
منتشر شده در سومین کنفرانس سراسری مهندسی برق، کامپیوتر و فناوری اطلاعات در سال 1396
مشخصات نویسندگان مقاله:
مصطفی زارعی - دانشگاه بوعلی سینا همدان
کامران فرج زاده - دانشگاه آزاد اسلامی تهران شمال
علیرضا نوقابی - دانشگاه آزاد اسلامی واحدفیروزکوه
خلاصه مقاله:
مصطفی زارعی - دانشگاه بوعلی سینا همدان
کامران فرج زاده - دانشگاه آزاد اسلامی تهران شمال
علیرضا نوقابی - دانشگاه آزاد اسلامی واحدفیروزکوه
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
کلمات کلیدی: صرع، پنجره بندی، تبدیل موجک گسسته، آنتروپی تقریبی ،انرژی فرکانسی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/691165/