دوره 29، شماره 10 - ( ماهنامه دی 1397 )
جلد 29 شماره 10 صفحات 715-707 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
ghasemi M, puryusef M. CLASSIFICATION OF EPILEPTIC SEIZURE IN EEG SIGNAL USING ADAPTIVE NEURO FUZZY INFERENCE SYSTEM. Studies in Medical Sciences 2019; 29 (10) :707-715
URL: http://umj.umsu.ac.ir/article-1-4517-fa.html
URL: http://umj.umsu.ac.ir/article-1-4517-fa.html
قاسمی مهدیه، پوریوسف مهراد. طبقه بندی حمله صرعی در سیگنال EEG با استفاده از سیستم استنتاج عصبی- فازی تطابقی. مجله مطالعات علوم پزشکی. 1397; 29 (10) :707-715
دانشگاه نیشابور ، m.ghasemi@neyshabur.ac.ir
چکیده: (5303 مشاهده)
پیش‌زمینه و هدف: بیماری صرع نوعی اختلال مغزی است که در آن سلول‌های عصبی پیام‌های غیرطبیعی دریافت می‌کنند. این بیماری می‌تواند منجر به بروز رفتارها و علائم و احساسات غیرطبیعی ازجمله از بین رفتن هوشیاری شود، که حمله صرعی یا تشنج نامیده می‌شود. تشخیص و طبقه‌بندی سیگنال‌های EEG در زمان‌های تشنج از زمان‌های بدون حمله و بررسی وضعیت بیمار در بازه‌های زمانی شروع تا پایان تشنج حائز اهمیت است.
مواد و روش کار: برای این منظور در این مقاله از 100 نمونه سیگنال EEG در پنج گروه مختلف که در مرکز صرع در دانشگاه بن آلمان ثبت‌شده، استفاده‌شده است. در این مجموعه، داده‌ها به‌وسیله الکترودهای سطحی برای افراد سالم و برای بیماران به‌وسیله الکترودهای کاشتنی در هیپوکامپو لوب گیجگاهی گرفته‌شده است. در روش ارائه‌شده در این مقاله، از اطلاعات زمان-فرکانس در پنج طیف اصلی سیگنال EEG، ویژگی‌های آماری استخراج شده است. پس از کاهش بعد ویژگی‌های آماری، طبقه‌بندی بر پایه شبکه‌های تطابقی با استنتاج فازی (ANFIS) انجام شده است.
یافته‌ها: نتیجه حاصل از ترکیب پیشنهادی ما در طبقه‌بندی کننده توانست به خطای نوع اول و دوم طبقه‌بندی به ترتیب صفر و 02/0 درصد دست یابد که بهترین نتیجه نسبت به مقالات پیشین بر روی مجموعه دادگان مشترک بوده است.
بحث و نتیجه‌گیری: طبقه‌بندی سیگنال EEG جهت تشخیص بروز حمله، می‌تواند در تشخیص مواردی که ظهور علائم بالینی مشکوک به تشنج خصوصاً در نوزادان، مؤثر واقع شود.
مواد و روش کار: برای این منظور در این مقاله از 100 نمونه سیگنال EEG در پنج گروه مختلف که در مرکز صرع در دانشگاه بن آلمان ثبت‌شده، استفاده‌شده است. در این مجموعه، داده‌ها به‌وسیله الکترودهای سطحی برای افراد سالم و برای بیماران به‌وسیله الکترودهای کاشتنی در هیپوکامپو لوب گیجگاهی گرفته‌شده است. در روش ارائه‌شده در این مقاله، از اطلاعات زمان-فرکانس در پنج طیف اصلی سیگنال EEG، ویژگی‌های آماری استخراج شده است. پس از کاهش بعد ویژگی‌های آماری، طبقه‌بندی بر پایه شبکه‌های تطابقی با استنتاج فازی (ANFIS) انجام شده است.
یافته‌ها: نتیجه حاصل از ترکیب پیشنهادی ما در طبقه‌بندی کننده توانست به خطای نوع اول و دوم طبقه‌بندی به ترتیب صفر و 02/0 درصد دست یابد که بهترین نتیجه نسبت به مقالات پیشین بر روی مجموعه دادگان مشترک بوده است.
بحث و نتیجه‌گیری: طبقه‌بندی سیگنال EEG جهت تشخیص بروز حمله، می‌تواند در تشخیص مواردی که ظهور علائم بالینی مشکوک به تشنج خصوصاً در نوزادان، مؤثر واقع شود.
نوع مطالعه: پژوهشي(توصیفی- تحلیلی) |
موضوع مقاله:
علوم اعصاب
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
