طبقه بندی سیگنالهای الکتروانسفالوگرافی به منظور آشکارسازی اتوماتیک صرع با استفاده از ضرایب ویولت

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:

اطلاعات متقابل ، تبدیل ویولت گسسته ، زیرباند EEG ، صرع ، طبقه بندی EEG