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

مقدمه

علیرغم اینکه ۰۴ سال از فعالیت و بررسی در زمینه فیزیولوژی صرع میگذرد، هنوز آشکارسازی و  پیشگویی آن در حال بررسی است ولی نشان داده شده است که آشکارسازی تخلیههای نرونی صرعی یعنی  spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. در زمینه پردازش  سیگنالهای حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حیاتی و اعمال یک روش طبقهبندی بر روی  ویژ گیهای استخراج شده 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 استفاده شده است. تبدیل فوریه و سایر روش های تحلیل زمان –فرکانس مانند تبدیل  فوریه کوتاهمدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب  عمل نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد ،تبدیل موجک به خوبی میتواند هر دو  نوع نوسان را نشان دهد.

با تحقیقاتی که در زمینه تشخیص صدای قلب ،تحلیل ECG و EEG به عمل آمده است، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده است.

در فصل اول به معرفی سیگنال EEG و ویژگیهای ظاهری، نحوهی ضبط و اندازه گیری سیگنال EEG،  فرکانسهای سیگنال EEG، نرخ نمونه برداری و برخی اغتشاشات و آشفتگیها در ثبت سیگنال EEG  پرداخته می شود .

در فصل دوم روش های مختلف آشکارسازی spike های صرعی مورد بررسی قرار گرفته است  و نتایج برخی کارهای انجام گرفته روی EEG گردآوری شده است. فصل سوم به معرفی تبدیل موجک به  عنوان روشی برای استخراج ویژگی پرداخته شده است. با مطالعهی این فصل میتوان مقایسه ای بین تبدیل  فوریه و تبدیل موجک انجام داد، همچنین میتوان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در  انتهای این فصل نیز، چند موجک معرفی شده اند .

در فصل چهارم توضیحاتی در خصوص شبکههای عصبی MLP و Fuzzy ARTMAP و نحوه آموزش این شبکهها ارائه شده است. در فصل پنجم در خصوص داده های  آموزش و آزمون، استخراج ویژگی و نحوه پیشپردازش این داده ها و روش پیادهسازی سیستم آشکارسازی spike های صرعی توضیح داده شده است. فصل ششم در برگیرنده نتایج حاصل از این پروژه و مقایسه بین  عملکرد شبکههای MLP و Fuzzy ARTMAP می باشد و در انتهای فصل نیز پیشنهادات ارائه شده است.

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