تحلیل سیگنال های مغزی به منظور تشخیص شروع تشنج صرع با رویکرد ویولت و یادگیری نیمه نظارتی

تشنج مهم ترین نشانه بیماری صرع بوده و آنالیز دقیق آن از طریق انجام الکتروآنسفالوگرافی امکان پذیراست.سیگنال الکتروآنسفالوگرام نقش بسزایی در تشخیص بیماری صرع ایفا می کند. هدف این پژوهش آشکارسازی تخلیههای صرعی از سیگنال الکتروانسفالوگرام در کمترین زمان ممکن و در نتیجه تشخیص حملات با استفاده از داده هایمغزی ثبت شده از افراد سالم و مبتلا به صرع میباشد. در این مقاله از انحراف معیار و قدرت طیفی سیگنال حاصل ازتجزیه ویولت به عنوان ویژگی های اصلی و از یادگیری نیمه نظارتی و شبکه عصبی مصنوعی چند لایه به عنوان طبقهبند استفاده شده است. استفاده از این روش برای مواردی که داده های برچسب نخورده با تعداد زیاد و داده هایبرچسب خورده کم می باشند، که در حوزه پزشکی معمولا این شرایط وجود دارد، مناسب می باشد. مقایسه بین عملکرددو طبقه بند نیمه نظارتی و باناظر نشان می دهد که با ویژگی های استخراج شده، طبقه بند نیمه نظارتی از نظر درصدصحت تشخیص با طبقه بند باناظر برابری می کند.

کلیدواژه ها:

الکتروآنسفالوگرافی ، شبکه عصبی مصنوعی چند لایه ، صرع ، یادگیری نیمه نظارتی