تحلیل زمان فرکانس سیگنال های - EEG برای تشخیص صرع با استفاده از ماشین بردار پشتیبان

صرع یک اختلال عصبی مزمن است که با تجزیه وتحلیل سیگنال های مغزی تولیدشده توسط نورون های مغز قابلتشخیص است. نظارت بر این سیگنال های مغزی معمولا با استفاده از الکتروانسفالوگرافی (EEG) انجام میشود، که فعالیتالکتریکی مغز را اندازهگیری و ثبت می کند و به طور گسترده در تشخیص و تجزیه وتحلیل صرع استفاده میشود. با اینحال، شناسایی تغییرات ظریف اما حیاتی در شکل موج EEG با تفسیر بصری دشوار است. همچنین، تشخیص صرع وکشف دانش مرتبط با مغز یک کار چالش برانگیز است؛ زیرا سیگنالهای EEG پیچیده، نویزدار و غیرخطی هستند و حجمبالایی از داده را تولید میکنند. بدین منظور، طراحی یک سیستم تشخیصی به کمک رایانه برای شناسایی خودکار صرع بااستفاده از حداقل تعداد ویژگیهای متمایز در طبقه بندی کننده ها ضروری است. در این مقاله یک روش استخراج ویژگی بااستفاده از تبدیل ویولت به کار گرفته شده است و با اعمال این ویژگی ها به طبقه بندی کننده ماشین بردار پشتیبان (SVM)،طبقه بندی داده های EEG صورت گرفته است و به شناسایی صرع پرداخته شده است. عملکرد روش پیشنهادی با استفادهاز معیارهای مختلف مورد ارزیابی قرار گرفت و نتایج به دست آمده تایید کرد که طرح پیشنهادی دارای توانایی طبقه بندیسیگنال های EEG با دقت بالا می باشد.

کلیدواژه ها:

صرع ، ماشین بردار پشتیبان (SVM) ، تبدیل ویولت (تبدیل موجک) ، الکتروانسفالوگرافی (EEG)