نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشگاه ارومیه دانشکده برق و کامپیوتر
2 دانشگاه صنعتی ارومیه
3 دانشگاه آزاد اسلامی واحد مهدی شهر
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
صرع نوعی بیماری مغزی است که بررسی و تحلیل سیگنالهای EEG قابل تشخیص است. بیماری صرع غالبا در کودکان رخ می دهد. با این وجود، برخی از موارد در بزرگسالان نیز مشاهده میشود. تشخیص این بیماری در مراحل اولیه برای پزشکان یک کار چالش برانگیز است. نویسندگان در این کار، سیگنال EEG صرعی و طبیعی را با اتخاذ رویکرد یادگیری ماشین کلاسبندی کردهاند. برای دست یابی به ویژگیهای کارآمد، موجک مختلط درختی دوگانه در نظر گرفته شده است. سپس، از ضرایب موجک برای استخراج ویژگی غیرخطی ستفاده میشود. این ویژگیها به عنوان ورودی کلاس بند تابع پایه هیبریدی شعاعی استفاده میگردند. با استفاده از روش پیشنهادی، حدود 99 درصد دقت کلاس بندی مشاهده میشود. این امر، سبب بهبود قابل توجه الگوریتم پیشنهادی در مقایسه با سایر الگوریتم های ارائه شده قبلی است. با توجه به دانش نویسندگان، این اولین بار است که جهت تشخیص صرع از استخراج ویژگی غیر خطی بر روی ضرایب یک سیگنال EEG استفاده میشود.
کلیدواژهها [English]