چکیده مقاله
صرع یکی از شایع ترین اختلالات عصبی است که با بروز فعالیت های الکتریکی غیرطبیعی در مغز همراه است تشخیص دقیق و سریع این بیماری نقش مهمی در درمان و مدیریت بیماران دارد سیگنال الکتروانسفالوگرام EEG یکی از مهم ترین ابزارهای تشخیص صرع محسوب می شود، اما تحلیل دستی این سیگنال ها توسط متخصصان زمان بر و وابسته به تجربه پزشک است در سال های اخیر استفاده از روش های پردازش سیگنال و یادگیری ماشین برای تشخیص خودکار حملات صرعی مورد توجه قرار گرفته است در این پژوهش، روش های مختلف استخراج ویژگی از سیگنال EEG مبتنی بر تبدیل موجک بررسی و مقایسه شده اند ابتدا سیگنال های EEG با استفاده از تبدیل موجک گسسته به زیر باندهای فرکانسی مختلف تجزیه شدند و سپس ویژگی های آماری و انرژی از ضرایب موجک استخراج گردید در ادامه این ویژگی ها به یک شبکه عصبی کانولوشنی برای طبقه بندی داده ها داده شدند نتایج آزمایش ها نشان می دهد که استفاده از ویژگی های مبتنی بر موجک در ترکیب با شبکه های عصبی عمیق می تواند دقت تشخیص صرع را به طور قابل توجهی افزایش دهد همچنین مقایسه روش های مختلف استخراج ویژگی نشان می دهد که برخی ویژگی های آماری و انرژی موجک نقش موثرتری در تفکیک سیگنال های سالم و صرعی دارند “تحلیل های دقیق نشان داد که ترکیب ویژگی های استخراج شده از تبدیل موجک گسسته، به ویژه ضرایب مربوط به باندهای فرکانسی بالا مانند بتا و گاما در زمان وقوع تشنج، همراه با ویژگی های آماری و انرژی، توانستند الگوهای تمایزدهنده را با وضوح بالایی برای شبکه عصبی کانولوشنی فراهم آورند این امر منجر به دستیابی به دقت کلی ۹۸ ۵ درصد در تشخیص حالات مختلف صرع شد که نویدبخش کاربرد این روش در سیستم های پایش پزشکی بلادرنگ است ”
کلیدواژهها
نویسندگان
مهرانه جعفری
مهندسی پزشکی بیوالکتریک ارشد
دکتر بهروز واثقی
استاد دانشگاه آزاد اسلامی واحد ابهر استان زنجان
دکتر سمیه هاشمی
استاد دانشگاه آزاد اسلامی واحد ابهر استان زنجان
شیوه ارجاع
�عفری، مهرانه و واثقی، دکتر بهروز و هاشمی، دکتر سمیه،1404،مقایسه روش های استخراج ویژگی از سیگنال EEG مبتنی بر تبدیل موجک برای بهبود تشخیص صرع با استفاده از شبکه های عصبی عمیق،دومین همایش بین المللی تحولات نوین در علوم تربیتی، روانشناسی و آموزش و پرورش،ارومیه
ارائهشده در
همایش ملی نهج البلاغه حکمرانی عمومی و خصوصی در مسیر ایران آینده15 بهمن 1404 · چالوس