تشخیص بیماری صرع با پردازش سیگنال EEG مغز توسط شبکه عصبی ELM و الگوریتم PSO
Publish place: First National Conference on Electrical Engineering, Computer Science and Communications Technology
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,363
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECTCONF01_016
تاریخ نمایه سازی: 13 مهر 1398
Abstract:
صرع به عنوان اولین اختلال مهم مغزی (پس از سکته مغزی) شناخته شده است. بیماری صرع، اختلال مزمن و طغیان عمل مغزی است که به علت تخلیه الکتریکی نامتعارف و متناوب نرونهای مغزی ایجاد میشود. سیگنالهای EEG بیانگر فعالیتهای مغزی هستند و یکی از روش های تشخیص بیماری صرع استفاده از همین سیگنال های EEG مغز است. دراین مقاله شیوه جدیدی جهت تشخیص بیماری صرع با استفاده از پردازش سیگنال EEG ارایه شده است. دراین روش، پس از استخراج ویژگی ها از روی سیگنال EEG، از شبکه عصبی ELM برای تشخیص بیماری صرع استفاده میشود. به منظور بهبود شبکه عصبی ELM، پارامترهای شبکه با الگوریتم ازدحام ذرات PSO بهینه سازی میشوند. در نهایت نتایج ارزیابی سیستم پیشنهادی، عملکرد بالای این روش را نشان می دهد.
Keywords:
بیماری صرع , سیگنال (Electroencephalography)EEG , شبکه عصبی(Extreme Learning Machine) ELM , الگوریتم ازدحام ذرات (particle swarm optimization)pso
Authors
مرضیه عالی
دانشجوی کارشناسی ارشددانشکده مهندسی کامپیوتر دانشگاه آزاداسلامی واحدمیبد
محسن سرداری زارچی
استادیاردانشکده مهندسی کامپیوتر دانشگاه آزاداسلامی واحدمیبد