پردازش سیگنال های الکتروآنسفالوگرافی به منظور تشخیص انواع تشنجات صرعی پتی مال وگراندمال با استفاده از شبکه های عصبی مصنوعی

روش کار: در این مقاله توصیفی از تعداد 100 عدد سیگنال eeg مربوط به افراد مختلف در شرایط سلامت، فواصل تشنج و درحین تشنج مربوط به دو نیمکره مغزی استفاده شده است. با استفاده از تکنیک های نرم افزاری نویز 50 هرتزو آرتیفکت آن حذف شده سپس توسط نرولوژیست این سیگنالها به سه دسته سالم، تشنجات صرعی پتی مال (تپیک 3 هرتز) وگراندمال (درفازکلونیک با فرکانس 4 هرتز) به قطعات 6 ثانیه جداسازی شده است. اطلاعات این سیگنال ها شامل امواج سوزنی-آهسته، پلی اسپایک و پلی شارپ می باشد که استخراج و توسط تکنیک های نرم افزاری شبکه های عصبی به سه دسته سالم، پتی مال و گراندمال طبقه بندی گردیده است.

نتایج: در نرم افزار طراحی شده، دقت تشخیص صرع های پتی مال و گراندمال در حدود 80 درصد می باشد.

نتیجه گیری: به علت پیچیدگی در امواج مغزی و سختی تشخیص دیداری نوار مغزی این روش کمک زیادی در تشخیص بیماری صرع به پزشکان می کند. این پژوهش فعلا برای تشخیص دو نوع صرع شایع به کار رفته و قابل گسترش به انواع مختلف صرع می باشد.