• کاربرد فیلتر کالمن و تبدیل موجک در تشخیص و شناسایی بیماری صرع

    نویسندگان :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1397/12/20
    • تاریخ انتشار در تی پی بین: 1397/12/20
    • تعداد بازدید: 393
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -

    تشنج مهم ترین علامت بیماری صرع بوده و آنالیز دقیق آن نیز از طریق انجام الکتروانسفالوگرافی امکان پذیر است. به دلیل ماهیت این سیگنال ها، مطالعه و تجزیه و تحلیل بصری آن ها حتی برای یک نورولوژیست مجرب نیز مشکل است. به همین منظور روش های مختلفی جهت تشخیص خودکار ارائه شده است. در این تحقیق بر آن هستیم تا مروری مختصر بر روش های صرع بوسیله تحلیل سیگنال eeg تشخیص و جداسازی سیگنال های صرعی از سیگنال های سالم و نرمال داشته باشیم، روش هایی که قائدتا استفاده از، eeg در زمره روش های پردازش سیگنال قرار می گیرند. به دلیل خواص ناایستای سیگنال روش های غیرخطی نتایج بسیار بهتری را به دست می دهند. تشنج مهم ترین تظاهر بیماری صرع بوده و آنالیز دقیق آن نیز از طریق انجام الکتروآنسفالوگرافی امکان پذیر است. به وسیله آشکارسازی دشارژهای صرعی شکل (امواج سوزنی) امکان تشخیص بیماری صرع در سیگنال eeg [electroencephalography] وجود دارد. یک درصد افراد در زندگی شان این بیماری را تجربه می کنند. الکتروانسفالوگرام (eeg) که برای نمایش فعالیت الکتریکی مغز استفاده می شود، ابزار کلینیکی مناسبی برای تشخیص بی نظمی های مربوط به صرع است. آشکارسازی spike های صرعی نقش بسیار مهمی در تشخیص صرع ایفا می کند. در این پژوهش از فیلتر کالمن برای حذف نویز، از تبدیل موجک برای استخراج ویژگی سیگنال eeg استفاده شده است و با استفاده از الگوریتم انتخاب ویژگی، ویژگی های برتر انتخاب می شوند و سپس با استفاده از شبکه عصبی آموزش را انجام می دهیم توانایی این ویژگی ها در طبقه بندی رخدادهای موجود در سیگنال eeg بررسی شده است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها