چکیده مقاله
در این مطالعه به مدلسازی سیگنالهای EEG در پنج وضعیت فیزیولوژیکی مختلف شامل حالت نرمال چشم باز و چشم بسته ، صرع جزئی در ناحیه هیپوکامپ راست و چپ، و همچنین حمله صرعی پرداخته شده است برای این منظور از شبکه عصبی بازگشتی المن Elman به عنوان یک مدل دینامیکی با قابلیت یادگیری رفتارهای زمانی استفاده شده است در ابتدا مفاهیم پایه شبکه های عصبی بازگشتی و ویژگیهای ساختاری شبکه Elman در مدلسازی سیگنالهای بیولوژیکی مورد بررسی قرار گرفته است سپس به منظور ارزیابی عملکرد مدل شاخصهای غیرخطی از جمله بعد همبستگی، آنتروپی شانون و سه روش رایج در تخمین بعد فرکتال شمارش جعبه ای، هایوچی و کتز به کار گرفته شده اند نتایج شبیه سازی نشان می دهد که مدل ارائه شده با شبکه المن، در مقایسه با مدل خودرگرسی AR دقت بالاتری در بازسازی سیگنالهای EEG داشته و میزان خطای بازسازی کمتری را تولید می کند همچنین تحلیل شاخصهای غیرخطی بین سیگنالهای اصلی و بازسازی شده نشان دهنده انطباق مناسب ساختار دینامیکی سیگنالها و اثربخشی مدل عصبی ارائه شده در توصیف پدیده های مغزی پیچیده مانند حملات صرعی است
کلیدواژه‌ها
نویسندگان
هدی بازیان طرقبه
دانشجو مقطع کارشناسی مرکز تحقیقات فناوریهای زیستی و سلامت دانشگاه بین المللی امام رضا علیه السلام، مشهد، ایران
صالح لشکری
استادیار، مرکز تحقیقات فناوریهای زیستی و سلامت دانشگاه بین المللی امام رضا علیه السلام، مشهد، ایران
شیوه ارجاع
�ازیان طرقبه، هدی و لشکری، صالح،1404،مدلسازی سیگنال EEG در حملات صرعی با استفاده از شبکه عصبی بازگشتی المن و ارزیابی شاخصهای غیرخطی،یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران
ارائه‌شده در
مجموعه مقالات یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام31 شهریور 1404 · تهران