استفاده از شبکه عصبی و الگوریتم ژنتیک جهت تشخیص بیماری صرع
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,163
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELECTRICA03_036
تاریخ نمایه سازی: 5 اردیبهشت 1396
چکیده مقاله:
صرع اختلال یا بیماری مزمنی است که با حملات تشنج صرعی توصیف می شود و بر افراد در تمام سنین تاثیر می گذارد. بیماری صرع معمولا تنها پس از اینکه فردی بیش از یک تشنج داشته، تشخیص داده می شود. بسته به اینکه کدام فعالیت سلول عصبی در مغز مختل شود، باعث می شود افراد، تشنج یا دوره رفتار غیرمعمولی داشته باشند. به منظور تشخیص و بررسی بیماری صرع از 30 سوژه به گره های ده نفره افراد سالم، بیمار خفیف و بیمار شدید پتانسیل سیگنال مغزی مورد بررسی قرار گرفته است. ابتدا به کمک فیلترهای ناچ و میانگذر، اثر آرتیفکت حرکتی و تعرق و نویز برق شهر حذف تا سیگنال آماده پردازش گردد. در این پروژه پس از استخراج ویژگی های مناسب از جمله زمانی آماری، ویژگی باند فرکانسی و بررسی توان باندهای دلتا، تتا، الفا، بتا و گاما به کمک الگوریتم ژنتیک موثرترین و بهترین ویژگی به صورت غیرخطی انتخاب و توسط شبکه عصبی بین فرد سالم و خفیف با 98% بین فرد سالم و شدید با 98% به استخراج ویژگی های مناسب پرداخته شده است.
کلیدواژه ها:
نویسندگان
گلنوش شهرکی
کارشناس مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه خاوران
الهام فولادی
کارشناس مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه خاوران
فهیمه نوروزی
کارشناس مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه خاوران
الیاس مزروعی راد
دانشجوی دکتری مهندسی پزشکی، عضو هیات علمی دانشگاه خاوران
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 :