آشكارسازي و تشخيص صرع موجود در سيگنالEEG به كمك شبكه عصبي

تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

 آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

در این بخش به بررسی آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی پرداخته می شود.

الکتروانسفالوگرام(EEG)که برای نمایش فعالیت الکتریکی مغز استفاده می‌شود، ابزار کلینیکی مناسبی برای تشخیص بی‌نظمی‌های مربوط به صرع است. در این پروژه، طراحی و پیاده‌سازی سیستم تشخیص spike های صرعی با استفاده از روش ترکیبی تبدیل موجک گسسته و شبکه عصبی Fuzzy ARTMAP ارائه‌شده است.

آشکارسازی تخلیه‌های نرونی صرعی یعنی spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. درزمینهٔ پردازش سیگنال‌های حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه‌بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی‌های مناسب از سیگنال حیاتی و اعمال یک روش طبقه‌بندی بر روی ویژگی‌های استخراج‌شده است. در این پروژه، برای استخراج ویژگی‌های spike های صرعی از تبدیل موجک و یکسری تحلیل‌های زمانی و فرکانسی و برای طبقه‌بندی الگوهای موجود در EEG از شبکه عصبی  ARTMAP Fuzzy استفاده‌شده است. دلیل استفاده از شبکه Fuzzy ARTMAP، عدم فراموشی و یادگیری سریع و عملکرد مناسب این شبکه در مسائل طبقه‌بندی می باشد. عملکرد سیستم طبقه‌بندی کننده ارائه‌شده در این پروژه با استفاده از سه معیار حساسیت ، قابلیت تفکیک و گزینش پذیری ارزیابی می‌شود.

آشکارسازی و تشخیص صرع موجود در سیگنالEEG به کمک شبکه عصبی
آشکارسازی و تشخیص صرع موجود در سیگنالEEG به کمک شبکه عصبی

جهت دانلود فایل کلیک کنید

فهرست مطالب آشکارسازی و تشخیص صرع موجود در سیگنالEEG  به کمک شبکه عصبی

  • فصل اول: سیگنال EEG و  ویژگیهای ظاهری آن
    •  اندازه گیری سیگنال EEG
    • امواج مختلف در سیگنال EEG
    • آشفتگیها و اغتشاشات الکتریکی سیگنال EEG
  • فصل دوم: مروری بر  روشهای آشکارسازی spike های صرعی
    • تحلیل در حوزه زمان
    • تحلیل در حوزه فرکاس
    • آشکارسازی spike های موجود در EEG با استفاده از تبدیل موجک
  • فصل سوم: تبدیل موجک روشی برای استخراج ویژگی
    • مقایسه تبدیل موجک با تبدیل فوریه و STFT
    • تبدیل موجک پیوسته و گسسته
    • تبدیل موجک پیوسته
    • تبدیل موجک گسسته
    • تبدیل موجک گسسته توسط فیلتر کردن  مرحله ای
  • فصل چهارم: شبکه عصبی
    • مدل سازی نرون تنها
    • معماری شبکه عصبی
    • الگوریتم های یادگیری
    • شبکه عصبی MLP
    •  شبکه های ART
    • شبکه Fuzzy ART
  • فصل پنجم : روش پیاده سازی
    • مجموعه داده
    • قطعه بندی سیگنال EEG
    • استخراج  ویژگیها جهت اعمال به شبکه عصبی  برچسب زدن
    • spike های صرعی با استفاده از  شبکه های عصبی
  • فصل ششم: نتیجه گیری و پیشنهادات

جهت دانلود فایل کلیک کنید

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *