سال انتشار: ۱۳۹۳

محل انتشار: کنفرانس بین المللی مهندسی، هنر و محیط زیست

تعداد صفحات: ۱۱

نویسنده(ها):

احسان صادقی پور – کارشناسی ارشد هوش مصنوعی، دانشکده مهندسی برق و کامپیوتر، دانشگاه هرمزگان، بندرعباس، ایران
کامبیز قائمی اسگویی – استادیار دانشکده فنی و مهندسی، پردیس بین المللی کیش دانشگاه تهران، تهران، ایران
احمد حاتم – استادیار دانشکده دانشکده مهندسی برق و کامپیوتر، دانشگاه هرمزگان، بندرعباس، ایران

چکیده:

یکی از شایعترین اختلالات نورولوژیک و بیماری های دستگاه عصبی بعد از سکته مغزی، بیماری صرع است که در حدود۰/۶-۰/۸ درصد از جمعیت جهان را به خود مبتلا کرده است . – /۸ ۰/ که در حدود ۶ این بیماری از تغییر ناگهانی اختلاف پتانسیل بین داخل و خارج سلول عصبی ناشی می گردد.آمارهای جهانی نشان می دهند سالیانه به ازای هر صدهزار نفر جمعیت در کشورهای توسعه یافته، ۳۴ نفر مبتلا به صرع میشوند. این در حالی است که این مقدار به ۸۶ نفر در کشورهای در حال توسعه میرسد . سیگنالEEGاصلی ترین و مهمترین روش در تشخیص بیماری صرع می باشد. ثبت هایEEGاطلاعاتی با طول بسیار بالا تولید می کنند که تشخیص ناحیه صرعی نیازمند مدت زمان طولانی برای آنالیز کل اطلاعات توسط شخص متخصص می باشد. در این مقاله جهت طبقه بندی اتوماتیک برای پیدا کردنEEGصرعی از انواع سیستم های هوشمند استفاده می گردد.نتایج نشان دهنده برتری روشXCSکلاسیک نسبت به مابقی روش ها ارائه شده می باشد