طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG
Publish place: 2rd International Conference on Soft Computing
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 1,686
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CSCG02_065
Index date: 26 February 2018
طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG abstract
صرع شایع ترین بیماری عصبی بعد از سکته مغزی است ،که به دلیل آشفتگی های زودگذر مغز، به طور ناخودآگاه و غیرقابل پیش بینی روی میدهد.روشهای متنوعی، به منظور پیشبینی دقیق وضعیت حملات صرع ارایهشده است که ناتوانی آنها در ایجاد یک بازنمایی مناسب و توانمند بوده است. در این مطالعه از شبکه های عصبی عمیق برای پیشبینی حمله صرع با استفاده ازآنالیز فعالیت الکتریکی قلب (ECG) بر روی پایگاه داده بومی متشکل از 8 بیمار ارایه شده است. شبکههای عصبی عمیق گونه ای از ساختارهای عصبی ،که به علت داشتن بیش از یک لایه ی مخفی، قادر به تعمیم دهی بهتر در مقایسه با شبکه عصبی سنتی هستند. 8 ویژگی HRV در حوزههای زمان، فرکانس و6 ویژگی با سعی و خطا توسط شبکه عصبی عمیق استخراج و برای پیشبینی به MLP داده شده است. نتایج به دست آمده نشان میدهد که روش پیشنهادی قادر است با متوسط حساسیت 99.37 ومتوسط خصوصیت 99.40 درصد حملات صرع را پیشبینی کند.
طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG Keywords:
طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG authors
مانداناسادات غفوریان
گروه مهندسی پزشکی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
محمد تشنه لب
گروه مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
محمدحسن مرادی
گروه مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران