تبدیل موجک Q ی قابل تنظیم بر اساس معیار انتروپی چندمقیاسی برای دسته‌بندی مکانیزه سیگنال‌های EEG ی حمله‌ای صرع |
|||
|---|---|---|---|
| عنوان انگلیسی مقاله |
Tunable-Q Wavelet Transform Based Multiscale Entropy Measure for Automated Classification of Epileptic EEG Signals |
||
| تعداد صفحات فارسی | ۲۵ | ||
| تعداد صفحات انگلیسی | ۱۸ | ||
| رشته | کامپیوتر ، برق ، پزرشکی | ||
| قالب فایل | WORD | ||
| سال انتشار | ۲۰۱۷ | ||
دانلود مقاله انگلیسی
https://dl.safirdep.com/essays/Tunable-Q-Wavelet-transform.pdf
چکیده
این مقاله پیچیدگی و ویژگی غیرخطی بودن سیگنال‌های موج نگاری مغز (EEG) را با محاسبه یک معیار انتروپی چندمقیاسی جدید به‌منظور دسته‌بندی سیگنال‌های مربوط به حملات صرع، سیگنال‌های غیر حمله‌ای و سیگنال‌های نرمال، مورد تجزیه‌وتحلیل قرار می‌دهد. معیار انتروپی چندمقیاسی مبتنی بر فاکتور کیفیت (Q) برای محاسبه انتروپی سیگنال EEG در باندهای فرکانسی مختلف پیشنهاد می‌شود. انتروپی مبتنی Q ( QEn) با تجزیه سیگنال به کمک تبدیل موجک Q ی قابل تنظیم (TQWT) به یک سری زیر باند و تخمین نزدیک‌ترین k انتروپی مجاور (K-NN) از روی زیر باندهای مختلف، محاسبه می‌گردد.
انتخاب بهینه Q و پارامتر افزونگی (R) برای TQWT مقاومت بهتری را برای محاسبه انتروپی در حضور مؤلفه‌های فرکانس بالا و پایین نشان می‌دهد. ویژگی‌های استخراج شده به روش دسته‌بندی ماشین بردار پشتیبان (SVM) با روش انتخاب ویژگی مبتنی بر wrapper اعمال می‌شود. روش پیشنهادی به‌دقتی برابر ۱۰۰% در تفکیک سیگنال‌های نرمال (چشم‌باز و چشم‌بسته) و سیگنال‌های EEG ی حمله‌ای، ۹۹٫۵% در دسته‌بندی سیگنال‌های EEG ی غیر حمله‌ای (از تشکیل hippocampal در نیمکره مخالف مغز) از سیگنال‌های EEGی حمله‌ای و ۹۵% در دسته‌بندی سیگنال‌های EEG ی غیر حمله‌ای (از ناحیه epileptogenic) از سیگنال‌های EEG ی حمله‌ای دست یافته است.
همچنین دقت دسته‌بندی ۹۹% و ۹۸٫۶% به ترتیب در دسته‌بندی سیگنال‌های حمله‌ای در مقایسه با سیگنال‌های غیر حمله‌ای حاصل می‌گردد. معیار عملکرد انتروپی چندمقیاسی پیشنهادی با روش‌های کنونی مورد استفاده برای دسته‌بندی سیگنال‌های EEG ی حمله‌ای با استفاده از مجموعه داده‌های یکسان، قابل رقابت است.
کلیدواژه‌ها: تبدیل موجک Q ی قابل تنظیم، نزدیک‌ترین k انتروپی مجاور، انتخاب ویژگی مبتنی بر wrapper، ماشین بردار پشتیبان، دسته‌بندی EEG ی حمله‌ای.
فهرست مطالب مقاله تبدیل موجک Q ی قابل تنظیم بر اساس معیار انتروپی چندمقیاسی برای دسته‌بندی مکانیزه سیگنال‌های EEG ی حمله‌ای صرع
چکیده
۲٫ مقدمه
۳٫ تخمین نزدیک‌ترین k انتروپی مجاور
۴٫ انتروپی K-NN ی مبتنی بر TQWT
۵٫ مجموعه داده EGG
۶٫دسته‌بندی رکوردهای EEG
۷٫ نتایج عملی
۸٫ بحث و گفتگو
۸٫ نتیجه گیری
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.