سال انتشار: ۱۳۹۱

محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران

تعداد صفحات: ۷

نویسنده(ها):

عذرا یعقوبی کریموی – دانشگاه بین المللی امام رضا(ع)، گروه مهندسی برق الکترونیک، مشهد، ایر
امین درخشان – دانشگاه بین المللی امام رضا(ع)، عضو هیأت علمی گروه برق، مشهد، ایران
رضا یعقوبی کریموی – دانشگاه آزاد اسلامی، گروه مهندسی پزشکی، مشهد، ایران

چکیده:

در این تحقیق به منظور تشخیص بیماری صرع یک روش پردازش سیگنال برای EEG پیشنهاد گردیده که مطابق آن سیگنال با استفاده از تبدیل فوریه به مولفه های فرکانسی تجزیه و یک مجموعه ویژگی آماری از باندهای فرکانسی استاندارد، دلتا،تتا، آلفا، بتا و گاما استخراج می شود و به عنوان ورودی برای توسعه هفت طبقه بندی کننده شبکه عصبی چند لایه پرسپترون سه کلاسه: نرمال، صرع جزئی (Per-ictal) و صرع عمومی (Ictal)که با چهار روش انتشار رو به عقب مرتبه یک و سه روش انتشار رو به عقب مرتبه دو آموزش می بیند استفاده می گردد. در نهایت، با استفاده از یک مرحله Cross-validation کارایی طبقه بندی کننده ها بر حسب صحت، حساسیت و اختصاصی بودن مقایسه می شود. نتایج این تحقیق نشان می دهد که در روش های آموزش انتشار رو به عقب مرتبه یک به طور متوسط صحت برابر با ۹۴/۵۳ و برای روش های آموزش مرتبه دو برابر با ۹۶/۵ بوده است.