چکیده مقاله
صرع شایع ترین بیماری عصبی بعد از سکته مغزی است ،که به دلیل آشفتگی های زودگذر مغز، به طور ناخودآگاه و غیرقابل پیش بینی روی میدهد روشهای متنوعی، به منظور پیشبینی دقیق وضعیت حملات صرع ارایهشده است که ناتوانی آنها در ایجاد یک بازنمایی مناسب و توانمند بوده است در این مطالعه از شبکه های عصبی عمیق برای پیشبینی حمله صرع با استفاده ازآنالیز فعالیت الکتریکی قلب ECG بر روی پایگاه داده بومی متشکل از 8 بیمار ارایه شده است شبکههای عصبی عمیق گونه ای از ساختارهای عصبی ،که به علت داشتن بیش از یک لایه ی مخفی، قادر به تعمیم دهی بهتر در مقایسه با شبکه عصبی سنتی هستند 8 ویژگی HRV در حوزههای زمان، فرکانس و6 ویژگی با سعی و خطا توسط شبکه عصبی عمیق استخراج و برای پیشبینی به MLP داده شده است نتایج به دست آمده نشان میدهد که روش پیشنهادی قادر است با متوسط حساسیت 99 37 ومتوسط خصوصیت 99 40 درصد حملات صرع را پیشبینی کند
کلیدواژه‌ها
نویسندگان
مانداناسادات غفوریان
گروه مهندسی پزشکی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
محمد تشنه لب
گروه مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
محمدحسن مرادی
گروه مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران
شیوه ارجاع
�فوریان، مانداناسادات و تشنه لب، محمد و مرادی، محمدحسن،1396،طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG،دومین کنفرانس ملی محاسبات نرم،رودسر
ارائه‌شده در
مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر