[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله ::
:: بهار ::
برگشت به فهرست مقالات برگشت به فهرست نسخه ها
استفاده از ماشین‌های بردار پشتیبانی به‌عنوان یک الگوریتم هوشمند برای تشخیص تشنج از سیگنال‌های EEG
مجتبی محمدپور*، عاطفه علیزاده
گروه مهندسی برق و کامپیوتر، مجتمع آموزش عالی گناباد، گناباد، ایران ، m.mohammadpoor@gmail.com
چکیده:   (78 مشاهده)
مقدمه: الکتروانسفالوگرافی (EEG) متداول ترین روش برای مطالعه عملکرد مغز است. این مقاله یک مدل رایانه‌ای برای تمایز بین افراد صرعی و سالم با استفاده از سیگنال‌های EEG با دقت نسبتاً بالا ارائه می‌دهد. مواد و روش‌ها: پایگاه داده EEG مورد استفاده در این مطالعه از داده‌های موجود در Andrzejak گرفته شده است. این مجموعه داده متشکل از 5 مجموعه سیگنال‌های EEG (مشخص شده از A تاE ) است که هر یک شامل 100 بخش EEG می‌باشد. مجموعه‌های A و B شامل سیگنال‌های EEG هستند که از 5 داوطلب سالم گرفته شده‌اند. مجموعه‌های C و D به EEG های بیماران مبتلا به صرع کانونی (بدون ضبطictal ) می‌باشند و مجموعه E از یک بیمار با ضبط ictal گرفته شده است. ماشین‌های بردار پشتیبان پس از استفاده از تجزیه و تحلیل مولفه‌های اصلی یا تجزیه و تحلیل تفکیکی خطی از ویژگی‌های سیگنال‌ها استفاده شدند. نرم‌افزار متلب برای پیاده‌سازی و آزمایش الگوریتم طبقه‌بندی پیشنهادی استفاده شده است. برای ارزیابی روش پیشنهادی، ماتریس سردرگمی، میزان موفقیت کلی، منحنیROC  و AUC هر کلاس استخراج شد. برای تأیید نتایج از روش اعتبارسنجی متقابل K برابر استفاده شد. یافته‌ها: میزان موفقیت کلی به دست آمده در این مطالعه بالاتر از 82 درصد بود. الگوریتم‌های کاهش ابعاد می‌توانند دقت و سرعت آن را بهبود بخشند. نتیجه‌گیری: پیش بینی دقیق و زود هنگام وقوع تشنج بسیار مفید است. استفاده از مدل رایانه‌ای ارائه شده در این مطالعه می‌تواند این هدف را محقق سازد.
واژه‌های کلیدی: تشنج، الکتروانسفالوگرافی، آنافیلاکسی پوستی منفعل
     
نوع مطالعه: پژوهشي | موضوع مقاله: بيوانفورماتيك در علوم اعصاب


XML   English Abstract   Print



برگشت به فهرست مقالات برگشت به فهرست نسخه ها
مجله علوم اعصاب شفای خاتم The Neuroscience Journal of Shefaye Khatam
Persian site map - English site map - Created in 0.04 seconds with 30 queries by YEKTAWEB 4319