طبقه بندی سیگنالهای الکتروانسفالوگرافی به منظور آشکارسازی اتوماتیک صرع با استفاده از ضرایب ویولت
محل انتشار: پانزدهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,199
فایل این مقاله در 5 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:
ISCEE15_582
تاریخ نمایه سازی: 3 آذر 1391
چکیده مقاله:
دراین مقاله طبقه بندی سیگنال الکتروانسفالوگرافی EEG مربوط به 21 بیمارصرعی به منظورآشکارسازی اتوماتیک صرع ارایه می شود از انجایی که سیگنالهای EEG غیرایستا هستند روشهای معمول تحلیل فرکانس چندان درتحلیل این سیگنالها موفقیت امیز نیست به این منظور ازتبدیل ویولت گسسته استفاده می شود سیگنالهای EEG با استفاده ازتبدیل موجک به زیرباندهای فرکانسی تجزیه شده اند و مجموعه ای از ویژگیهای آماری اززیرباندها استخراج شدها ست تا توزیع فرکانسی ضرایب موجک را نشان دهند این ویژگیها به منظور طبقه بندی سه کلاس قبل از حمله Preictal) درطول حمله Ictal) و بدون حمله Interictal) بکاررفته است توصیف آماری هرویژگی با استفادها ز ANOVA انجام شده است که نشان میدهد تمامی ویژگیها ازلحاظ آماری معنادار بودند و سه کلاس را از یکدیگر تفکیک می کردند.
کلیدواژه ها:
نویسندگان
آزاده عباسپور
کارشناس ارشد
علیرضا کاشانی نیا
استادیار دانشگاه آزاد اسلامی واحد تهران مرکزی
محمود امیری
استادیار دانشگاه رازی کرمانشاه
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 :