زهرا کریمی مهرآبادی - گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد اراک ، دانشگاه آزاد اسلامی ، اراک ، ایران
نفیسه اوسطی عراقی - استادیار دانشگاه ، گروه کامپیوتر ، واحد اراک ، دانشگاه آزاد اسلامی ، اراک ، ایران
علیرضا رضایی آشتیانی - استادیار ، متخصص مغز و اعصاب ، دانشکده پزشکی ، دانشگاه علوم پزشکی اراک ، ایران

صرع دومین بیماری حاد عصبی بعد از سکته مغزی است که معمولا0 با تشنج های ناگهانی همراه است . این بیماری انواع مختلفی دارد که شایع ترین نوع آن صرع گراندمال و پتی مال است. از آنجا که تشخیص درست صرع حتی برای یک نورولوژیست مجرب از روی بررسی بصری نوار مغزی امر دشواری است ، لذا ارائه روش های تشخیص خودکار و دسته بندی انواع این بیماری به کمک روش های هوش مصنوعی قطعا0 یاری دهنده پزشکان می باشد. در این مقاله به منظور تشخیص انواع تشنجات صرعی گراندمال و پتی مال به خوشه بندی داده های EEG با استفاده از یک روش ترکیبی از شبکه عصبی و الگوریتم خوشه بندی مرکب PSO پرداخته شده است.برای این منظور از داده های بخش صرع دانشگاه Bonn آلمان استفاده شده است. پس از حذف عوامل مخرب سیگنال و استخراج ویژگی با استفاده از تبدیل موجک ، به کمک شبکه عصبیMLP داده ها به سه دسته سالم ، پیش از حمله و در حین حمله طبقه بندی شده وسپس داده هایی که به عنوان سیگنال های صرعی در حین حمله شناخته شدند توسط الگوریتم خوشه بندی مرکب PSO به دو گروه صرع گراندمال و پتی مال خوشه بندی شده اند. . با انجام کلاسه بندی مرحله اول برای کلاس های سالم ، پیش ازحمله و در حین حمله به ترتیب مقادیر دقت % 96 ، %97 و %85 می باشد و همچنین با انجام خوشه بندی در مرحله دوم در زمینه تشخیص دو نوع صرع مذکور دقت افزایش می یابد

صرع ، صرع گراندمال ، صرع پتی مال ، الگوریتم خوشه بندی مرکب PSO