طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG

صرع شایع ترین بیماری عصبی بعد از سکته مغزی است ،که به دلیل آشفتگی های زودگذر مغز، به طور ناخودآگاه و غیرقابل پیش بینی روی میدهد.روشهای متنوعی، به منظور پیشبینی دقیق وضعیت حملات صرع ارایهشده است که ناتوانی آنها در ایجاد یک بازنمایی مناسب و توانمند بوده است. در این مطالعه از شبکه های عصبی عمیق برای پیشبینی حمله صرع با استفاده ازآنالیز فعالیت الکتریکی قلب (ECG) بر روی پایگاه داده بومی متشکل از 8 بیمار ارایه شده است. شبکههای عصبی عمیق گونه ای از ساختارهای عصبی ،که به علت داشتن بیش از یک لایه ی مخفی، قادر به تعمیم دهی بهتر در مقایسه با شبکه عصبی سنتی هستند. 8 ویژگی HRV در حوزههای زمان، فرکانس و6 ویژگی با سعی و خطا توسط شبکه عصبی عمیق استخراج و برای پیشبینی به MLP داده شده است. نتایج به دست آمده نشان میدهد که روش پیشنهادی قادر است با متوسط حساسیت 99.37 ومتوسط خصوصیت 99.40 درصد حملات صرع را پیشبینی کند.

کلیدواژه ها:

آنالیز تغییرات ضربان قلب ، پیشبینی ، صرع ، یادگیری عمیق