CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه چند روش استخراج ویژگی جهت دسته بندی سیگنال EEG در پیش بینی تشنج صرع

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۹۵ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ACCSI22_120
زبان مقاله: فارسی
حجم فایل: ۸۳۸.۸۹ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه چند روش استخراج ویژگی جهت دسته بندی سیگنال EEG در پیش بینی تشنج صرع

  فرزاد قهرمانی - دانشجوی دکتری، بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه شیراز، شیراز
  اشکان سامی - دانشیار، بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه شیراز، شیراز
  هومان تحیری - استادیار، بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه شیراز، شیراز

چکیده مقاله:

صرع شایع ترین اختلال عصبی است که افراد زیادی در سراسر جهان به آن مبتلا هستند. تشنج های مکرر و ناگهانی ناشی از صرع خطرناک هستند و ممکن است زندگی فرد را تهدید کنند، به همین دلیل پیاده سازی سیستم هایی که بتوانند وقوع تشنج را قبل از روی دادن آن پیش بینی کنند به بیماران صرعی کمک شایانی خواهد کرد. جهت تشخیص تشنج صرع، تجزیه و تحلیل الگوهای سیگنال EEG (Electroencephalogram) رویکردی بدون مداخله است. برای این تجزیه و تحلیل به منظور استخراج یک سری ویژگی از سیگنال EEG و بکارگیری در سیستم های خودکار پیش بینی تشنج، روش های مختلفی وجود دارد. در این مقاله تمرکز آزمایش ها بر روی آن است که آیا مجموعه ویژگی های انتروپی طیفی، بعد فراکتال هایوچی، مدل رگرسیو خودکار، و قدرت باند که در تشخیص بیماری اسکیزوفرنی صحت خوبی داشته اند (در کنار ویژگی های ساده ای مثل واریانس و ضریب همبستگی) در پیش بینی وقوع تشنج صرع هم خوب عمل می کنند در این تحقیق به جای استفاده از مجموعه داده های مرسوم دانشگاه های بن و فرایبورگ، از مجموعه جدیدتر در سایت کگل استفاده شده است. آزمایش ها نشان دادند که این ویژگی ها در شناسایی حمله صرع موثر بوده و بالاخص به صورت مجزا، ویژگی رگرسیو خودکار و در ترکیبات دوتایی، ترکیب رگرسیو خودکار با قدرت باند، و در ترکیبات سه تایی نیز ترکیب رگرسیو خودکار، قدرت باند و ضریب همبستگی بهترین نتایج را می دهند اما افزودن دیگر مجموعه ویژگی های فوق به این سه مجموعه سازگار نبوده و باعث کاهش صحت تشخیص می شوند.

کلیدواژه‌ها:

دسته بندی سیگنال EEG، استخراج ویژگی، صرع، دسته بند تلفیقی درختان تصمیم گیری

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI22-ACCSI22_120.html
کد COI مقاله: ACCSI22_120

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قهرمانی, فرزاد؛ اشکان سامی و هومان تحیری، ۱۳۹۵، مقایسه چند روش استخراج ویژگی جهت دسته بندی سیگنال EEG در پیش بینی تشنج صرع، بیست و دومین کنفرانس ملی سالانه انجمن کامپیوترایران، تهران، دانشگاه صنعتی شریف -انجمن کامپیوتر ایران، https://www.civilica.com/Paper-ACCSI22-ACCSI22_120.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قهرمانی, فرزاد؛ اشکان سامی و هومان تحیری، ۱۳۹۵)
برای بار دوم به بعد: (قهرمانی؛ سامی و تحیری، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۶۰۲۰
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.