تشخیص حمله صرعی بوسیله شبکه عصبی ترکیب شده با الگوریتم ازدحام جمعیت چندهدفه تحت ویژگی های مستخرج از تبدیل ویولت سیگنال NIRs

باوجود تحقیقات و پیشرفتهای فراوان در حوزه علوم اعصاب، فعالیت همودینامیکی صرعی مورد توجه کمتریقرار گرفته است. هزینه زیاد، نیاز به ماده حاجب در تجهیزاتی مانند fMRI و PET، عدم وجود سیگنال حین تشنج صرعی و قابل حمل نبودن تجهیزات از جمله دلایل این کم توجهی است. اخیرا سیستم NIRS مورد توجه بیشتری قرار گرفته که علاوه بر فایق آمدن بر مشکلات فوقالذکر، رزولوشن زمانی مناسبتری نسبت به تجهیزات مذکور دارد، هرچند از نظر رزولوشن مکانی قابل مقایسه با سیستم های PET یا fMRI نیست. این پژوهش با هدف امکان سنجی در تشخیص آنلاین حمله صرعی در مراقبت روزانه توسط سیگنال NIRs با روش Time multiplex در دو طول موج 740 و 850 نانومتر صورت گرفت. طی تحلیل های متعدد صورت گرفته در حوزه های زمانی و فرکانسی روی هشت سوژه انسانی با صرع کانونی در ناحیه گیجگاهی حین خواب، بهترین تمایز تحت انتخاب ویژگی به روش Relief از نوع Filter و آزمون آماری T، بین وضعیت های صرعی و نرمال در ویژگی های فرکانس های پایین موجود در تبدیل موجک مرتبه بالای دوبیشز مولفه های همودینامیکی مشاهده شد که با استفاده از ترکیب شبکه عصبی MLP با الگوریتم ازدحام جمعیتی PSOچند هدفه به منظور معماری و بهینه سازی شبکه عصبی، صحت 76.52 % حاصل شد .اگرچه خطا در تشخیصقابل ملاحظه است اما به لطف انتخاب ویژگی ها و طبقه بندی کنندهی مناسب خروجی به نسبت پژوهش هایپیشین افزایش صحت در تشخیص قابل توجهی دارد.