طبقه بندی بازه های بی تشنج و تشنجی با استفاده از سیگنال خام مغزی توسط شبکهعصبی با ویژگی های فرکانسی

صرع یکی از بیماری های شایع سیستم عصبی انسان می باشد که در آن مغز دچار حمله می شود. ثبت سیگنال های الکتریکی مغز (انسفالوگرام) که می تواند اطلاعات بسیار زیاد و مفیدی درمورد فعالیت های مغز بدهد، پر کاربردترین راه تشخیص این بیماری نیز می باشد. سیگنال انسفالوگرام به طور ذاتی غیر خطی و غیر ایستا است. به منظور تشخیص زمان وقوع حمله که اهمیت ویژه ای در روند درمان بیماری صرع است روش تجزیه مد تجربی EMD استفاده می شود. توابع مد ذاتی IMF بدست آمده از تجزیه سیگنال اصلی حاوی اطلاعات بارزی جهت تشخیص حملات صرعی میباشند. فرکانس پایه هر تابع مد ذاتی توانایی بالای در دسته بندی سیگنال های انسفالوگرام دارد. در این مقاله با محاسبه دو ویژگی فرکانسی که عبارتند از فرکانس بیشینه و فرکانس میانگین برای هر تابع مد تجربی و استفاده از شبکه عصبی پرسپترون چند لایه MLP دسته بندی سیگنال های انسفالوگرام انجام می شود. که درنتیجه وضعیت بیمار به دو حالت بدون حمله و دچار حمله طبقه بندی می شود. دقت این روش بر روی داده های اخذ شده بومی 85 % بدست آمده است.

طبقه بندی بازه های بی تشنج و تشنجی با استفاده از سیگنال خام مغزی توسط شبکهعصبی با ویژگی های فرکانسی Keywords:

تجزیه مد تجربی EMD , حمله صرعی , سیگنال الکتریکی مغز EEG , فرکانس بیشینه , فرکانس میانگین , شبکه های عصبی