تشخیص رخداد صرع جزئی و تعیین ویژگیهای موثر در تشخیص با استفاده از سیگنال الکتروکاردیوگرام و شبکه عصبی

علائم حملات صرع جزئی بگونه ای هستند که ممکن است در زمان عدم دسترسی بیمار به پزشک رخ داده و اطلاعات لازم برای تشخیص حمل و درمان آنها از دست برود. با توجه به آنکه ثبت الکتروانسفالوگرافی (EEG) به صورت همراه بیمار (Holter) امکانپذیر نیست و با توجه به اثبات تأثیر پذیری سیگنال الکتروکاردیوگرام (ECG) از رخداد صرع جزئی، در این مقاله به تشخیص رخداد حملات صرع جزئی (Partial Seizures) و دفعات وقوع آنها، با استفاده از تاثیر حملات صرع جزئی بر سیگنال الکتروکاردیوگرام (Partial Seizures) رخداد حملات صرع جزئیپرداخته شده است. روش آشکارسازی به این صورت است که ابتدا برداری از ویژگیها شامل رفتار فرکانسی، ویژگیهای آماری و برخیویژگیهای حوزه زمان سیگنال الکتروکاردیوگرام که احتمالا از رخداد صرع متاثر میگردد، تشکیل شده و سپس توسط شبکه عصبی پرسپترون چند لایه (MLP) طبقه بندی شده است. پس از طبقه بندی، میزان موثر بودن هر ویژگی بر مبنای شبکه آموزش دیده تعیین شده و نهایتاً ویژگیهای موثر در طبقه بندی به شبکه آموزش داده و تست شده است و نهایتا صحت شبکه عصبی با بکار گیری ویژگیهای مؤثر افزایش یافته و به Accuracy=86.4% رسیده است.

کلیدواژه ها:

تغییرات نرخ ضربان قلب ، حملات صرع جزئی ، شبکه عصبی چند لایه پرسپترون ، طبقه بندی