سیده مهتاب واعظی - دانشجوی کارشناسی ارشد، گروه مهندسی پزشکی، واحد خمینی شهر، دانشگاه آزاد اسلامی، اصفهان، ایران
مهدی نصری - استادیار، گروه مهندسی برق، واحد خمینی شهر، دانشگاه آزاد اسلامی، اصفهان، ایران

خواب یک حالت ناخودآگاه تعریف می شود که در طی آن مغز به محرک های داخلی پاسخ می دهد. بررسی مراحلخواب، یکی از راه های تشخیص انواع بیماری های روحی است و بررسی خودکار مراحل خواب به سبب کاهش حجمکاری پزشکان و دقت بالا از اهمیت ویژهای برخوردار است. در این مقاله به منظور طبقه بندی خودکار مراحل خواب،یک الگوریتم مبتنی بر استفاده از ویژگی های آماری و آنتروپی سیگنال الکتروانسفالوگرام ارائه می گردد. ویژگی هایآماری و آنتروپی از سیگنال استخراج و برترین و موثرترین ویژگی ها از طریق الگوریتم انتخاب ویژگی متوالی روبهجلو، انتخاب می شوند. سپس با استفاده از طبقه بند ماشین بردار پشتیبان، طبقه بندی نهایی برروی ویژگی هایمنتخب انجام می گردد. با استفاده از الگوریتم پیشنهادی، هفت مرحله از خواب با دقت 92.7 % بصورت خودکارشناسایی می شوند. روش پیشنهادی با توجه به استفاده از کارآمدترین ویژگی های آماری و آنتروپی، از صحت وسرعت محاسباتی بالاتر، نسبتبه تحقیقات پیشین برخوردار است.

مراحل خواب، ماشین بردار پشتیبان، سیگنال EEG