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

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

آنتروپی تقریبی، الکتروانسفالوگرام، انحراف معیار، ماشین بردار پشتیبان