تشخیص تشنچ صرعی از سیگنال های EEG با استفاده از نروفازی بهبود یافته

بیماری صرع یک اختلال نورولوژیکی در مغز انسان است که روی افراد با سنین مختلف تاثیرات منفی میگذارد و گاهی منجر به مرگ بیمار می شود. با توجه به شدت و نوع حملات صرعی، معمولا از ثبت سیگنالهای مغزی که الکتروانسفالوگرافی نامیده میشود، استفاده میکنند. در این مقاله از یک روش جدید جهت تشخیص حملات صرعی استفاده شده است. جهت استخراج ویژگی ابتدا با استفاده از ویولتهای مختلف سیگنال مغزی به مولفه های فرکانسی معنادار تجزیه شده است. در ادامه سیگنالها فریم بندی شده و سپس ویژگی های آماری، فرکانسی و غیرخطی از قبیل ماکزیمم توان لیاپانف، بعد همبستگی، آنالیزکمی بازگشتی (RQA) استخراج شده است. در ادامه کاهش ویژگی با استفاده از روش تحلیل مولفه اساسی (PCA ) انجام شده است . در نهایت جهت طبقه بندی از ترکیب شبکه نروفازی (ANFIS) با تعدادی روش بهینهسازی ذرات و ژنتیک انجام شده است. در نهایت ترکیب شبکه نروفازی با الگوریتم بهینه سازی صفحات شیب دارای ماکزیمم دقت 97,02 درصد است.

Keywords:

تشخیص صرع , سیگنال EEG , ویژگی آماری , غیرخطی , فازی , بهینه سازی