CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Classification of Epileptic Seizure in EEG Signal Using ANFIS and Optimized Statistical Features by Genetic Algorithm

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۷۰ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: ELECTRICA05_009
زبان مقاله: انگلیسی
حجم فایل: ۳۵۶.۶۳ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF 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 مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Classification of Epileptic Seizure in EEG Signal Using ANFIS and Optimized Statistical Features by Genetic Algorithm

  Mahrad Puryusef Miandoab - Department of Electrical Engineering University of Neyshabur Neyshabur, Iran
  Mahdieh Ghasemi - Department of Biomedical Engineering University of Neyshabur Neyshabur, Iran

چکیده مقاله:

Epilepsy attributed to a known brain disorder in which nerve cells receive excessive abnormal neuronal firings. Identification and classification of the epileptic and non-epileptic electroencephalographic signals play an important role in clinical investigations. In this study, we used in vivo EEG signals recorded from epilepsy patients during the seizure and seizure-free intervals. We proposed an EEG analysis of seizure detection, based on a cascade of four stages: 1) stationary parts of EEG signals were decomposed into five time-frequency sub-bands using discrete wavelet transform (DWT) .2) statistical features were extracted from wavelet coefficients in each frequency band. 3) The feature sets were passed through a genetic algorithm to extract optimized number of features along each time pointed. 4) The overall accuracy of the classification and performance of the ANFIS network using selected features were presented. Our results reached 99.4% accuracy by just mean statistical feature. This paper verified the performance and usefulness of such a cascade system for diagnosing seizure events once there are suspected clinical symptoms of epileptic specifically in newborns.

کلیدواژه‌ها:

EEG; epilepsy seizure; wavelet; genetic algorithm; ANFIS

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-ELECTRICA05-ELECTRICA05_009.html
کد COI مقاله: ELECTRICA05_009

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:
Puryusef Miandoab, Mahrad & Mahdieh Ghasemi, ۱۳۹۷, Classification of Epileptic Seizure in EEG Signal Using ANFIS and Optimized Statistical Features by Genetic Algorithm, سیزدهمین سمپوزیوم بین المللی پیشرفت های علوم و تکنولوژی:سرزمین پایدار، پژوهش های نوین در مهندسی برق و پزشکی, مشهد, موسسه آموزش عالی خاوران- دانشگاه شهید رجایی- انجمن علوم و فنون دریایی, https://www.civilica.com/Paper-ELECTRICA05-ELECTRICA05_009.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: (Puryusef Miandoab, Mahrad & Mahdieh Ghasemi, ۱۳۹۷)
برای بار دوم به بعد: (Puryusef Miandoab & Ghasemi, ۱۳۹۷)
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: ۱۸۵
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.