سیدعبداله حسینی - دانشجو کارشناسیارشد هوش مصنوعی، دانشکده فنی و مهندسی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
محمدمهدی حسینی - استادیار دانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد شاهرود، شاهرود، ایران

پژوهشگران همواره به مسئله کشف و یا تشخیص زود هنگام بیماریها به منظور پیشگیری یا درمان آنها توجه ویژه ای داشته اند. در سالهای اخیر، در زمینه بیماریهای مرتبط با مغز مطالعات فراوانی صورت گرفته است. به دلیل وجود نویز و پیچیدگی بسیار بالای سیگنالهای گرفته شده از مغز به منظور تشخیص بیماری و یافتن الگویی قوی به منظور دسته بندی افراد کار دشواری است. در این مقاله، برای درک هر چه بهتر سیگنالهای ساطع شده از مغز به منظور حذف نویز موجود، کاهش پیچیدگی، شناخت الگوها و دستهبندی افراد در زمینه بیماری صرع، یک مدل بهبود یافته مبتنی بر نمایش اسپارس و یادگیری دیکشنری ارائه شده است. در مدل پیشنهادی، از ساختار خاصی برای پیش پردازش سیگنالها بهره گرفته شده است. مدل ارائه شده بر روی پایگاه داده Phys. Rev. E, 64, 061907 از سیگنالهای EEG مربوط به بیماران تشنج صرعی اجرا شد. نتایج بدست آمده به روشنی بیان کننده افزایش دقت و کیفیت دسته بندی کننده پیشنهادی به میزان % 5/4 بیشتر از بهترین تکنیک موجود بر روی این پایگاه داده است.

تشنج صرعی، سیگنال الکتروآنسفالوگرافی، نمایش اسپارس، یادگیری دیکشنری، دسته بندی، شناسایی الگو