طبقه بندی سیگنال مغزی افراد سالم از بیماران صرعی
محل انتشار: کنفرانس بین المللی مهندسی، هنر و محیط زیست
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 686
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEAE01_023
تاریخ نمایه سازی: 14 مرداد 1394
چکیده مقاله:
یکی از شایعترین اختلالات نورولوژیک و بیماری های دستگاه عصبی بعد از سکته مغزی، بیماری صرع است که در حدود0/6-0/8 درصد از جمعیت جهان را به خود مبتلا کرده است . - /8 0/ که در حدود 6 این بیماری از تغییر ناگهانی اختلاف پتانسیل بین داخل و خارج سلول عصبی ناشی می گردد.آمارهای جهانی نشان می دهند سالیانه به ازای هر صدهزار نفر جمعیت در کشورهای توسعه یافته، 34 نفر مبتلا به صرع میشوند. این در حالی است که این مقدار به 86 نفر در کشورهای در حال توسعه میرسد . سیگنالEEGاصلی ترین و مهمترین روش در تشخیص بیماری صرع می باشد. ثبت هایEEGاطلاعاتی با طول بسیار بالا تولید می کنند که تشخیص ناحیه صرعی نیازمند مدت زمان طولانی برای آنالیز کل اطلاعات توسط شخص متخصص می باشد. در این مقاله جهت طبقه بندی اتوماتیک برای پیدا کردنEEGصرعی از انواع سیستم های هوشمند استفاده می گردد.نتایج نشان دهنده برتری روشXCSکلاسیک نسبت به مابقی روش ها ارائه شده می باشد
کلیدواژه ها:
نویسندگان
احسان صادقی پور
کارشناسی ارشد هوش مصنوعی، دانشکده مهندسی برق و کامپیوتر، دانشگاه هرمزگان، بندرعباس، ایران
کامبیز قائمی اسگویی
استادیار دانشکده فنی و مهندسی، پردیس بین المللی کیش دانشگاه تهران، تهران، ایران
احمد حاتم
استادیار دانشکده دانشکده مهندسی برق و کامپیوتر، دانشگاه هرمزگان، بندرعباس، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :