تشخیص صرع بر اساس ماشین بردار پشتیبان و با استفاده از ویژگیهای آنتروپی تقریبی وانحراف معیار سیگنال EEG
Publish place: 13th Iranian Student Conference on Electrical Engieering
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 1,829
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ISCEE13_315
Index date: 5 August 2010
تشخیص صرع بر اساس ماشین بردار پشتیبان و با استفاده از ویژگیهای آنتروپی تقریبی وانحراف معیار سیگنال EEG abstract
سیگنال الکتروانسفالوگرام، نقش بسزایی در تشخیص بیماری صرع ایفا میکند. در این تحقیق، طرح نوینی به منظور تشخیص حملات صرع از داده EEG ثبت شده از بیمار صرعی ارائه شده است. این شیوه جدید، مبتنی بر ماشین بردار پشتیبان SVM) و با استفاده از آنتروپی تقریبی ApEn) و انحراف معیار سیگنال EEG میباشد. آنتروپی تقریبی، یک پارامتر آماری می باشد که پیشبینی پذیری مقادیر دامنه یک سیگنال فیزیولوژیکی را از روی مقادیر دامنه قبلی آن اندازه گیری میکند. مقدار آنتروپی تقریبی و انحراف معیار سیگنال، در خلال یک حمله صرع، به ترتیب، کاهش و افزایش مییابد که از این حقیقت در سیستم پیشنهادی استفاده شده است. در مرحله اول، مقادیر آنتروپی تقریبی و انحراف معیار، از هر دو نوع داده در نقطه دادههای مختلف محاسبه شده است. در مرحله دوم، از طبقه بندی کننده ماشین بردار پشتیبان، برای تمایز این مقادیر استفاده شده است. نتایج این تحقیق بیانگر آن است که سیستم پیشنهادی با دقت 97/8%می تواند در تشخیص حملات موثرباشد، چرا که دقت بررسی های بصری توسط نورولوژیستهای مجرب، متجاوز از 80 % نمی باشد
تشخیص صرع بر اساس ماشین بردار پشتیبان و با استفاده از ویژگیهای آنتروپی تقریبی وانحراف معیار سیگنال EEG Keywords:
تشخیص صرع بر اساس ماشین بردار پشتیبان و با استفاده از ویژگیهای آنتروپی تقریبی وانحراف معیار سیگنال EEG authors
حسین صفاری نیا
دانشگاه آزاد اسلامی واحد نجف آباد – دانشکده برق و کامپیوتر
محمدرضا احمدزاده
دانشگاه صنعتی اصفهان – دانشکده برق و کامپیوتر
جعفر مهوری
دانشگاه علوم پزشکی شهرکرد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :