الناز محسنی - گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران
علیرضا کاشانی نیا - استادیار گروه مهندسی برق، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران
عباس تفاخری - دانشیار گروه مغز و اعصاب، دانشگاه علوم پزشکی تهران، تهران، ایران

در این مطالعه به طبقه بندی سیگنال های EEG صرع جهت پیش بینی زمان وقوع تشنج با استفاده از یک روشترکیبی شامل تبدیل ویولت گسسته (DWT)، استخراج ویژگی غیرخطی و طبقه بندی ماشین بردار پشتیبان (SVM) پرداخته شده است. داده های EEG صرع استفاده شده شامل سه دسته کلی از زمان های اینترایکتال، پری ایکتال و ایکتالمی باشند. روش کار بدین صورت است که ابتدا با استفاده از موجک مختلط بادرخت دوگانه (DT-CWT)، آرتیفکت های پلک زدن و آرتیفکت حرکتی حذف شدند و پس از به دست آوردن سیگنال EEG تمیز، با استفاده از روش های غیرخطی استخراج ویژگی انجام شد. پس از استخراج ویژگی، مرحله طبقه بندی انجام شد. در این مرحله، طبقه بندی به صورت نظارتشده انجام شد، به شکلی که داده ها به سه دسته اینترایکتال، پری ایکتال و ایکتال طبقه بندی شدند. در این مرحله از کرنلهای مختلف SVM برای پیش بینی تشنج های صرعی استفاده شد. با انجام این طبقه بندی به دقت 95.30 %، حساسیت 94% و نرخ اختصاصی بودن 91.15% دست یافتیم.

سیگنال EEG، تشنج صرع، تبدیل ویولت DT-CWT، ویژگی غیرخطی، ماشین بردار پشتیبان (SWM)