استفاده از مدلسازي شبكه عصبي در پيش بيني وقوع حملات صرع

چکیده مقاله

صرع یكي از شایع ترین اختلالات نورولوژیك در انسان مي باشد كه حدود یك درصد از افراد بدان مبتلا هستند كه 57 % از این افراد بوسیله دارو یا اعمال جراحي كنترل مي شوند. نزدیك به 04 سال گذشته متخصصین مغز و اعصاب بر این باور بوده اند كه حمله صرعي فقط چند ثانیه قبل از نشانه هاي بالیني شروع مي گردد. اما پیشرفت هاي موجود در زمینه پیش بیني حمله صرع كه عموما از سیگنال هاي EEG استفاده مي كنند. توانایي پیش بیني حملات صرعي مي تواند باعث كاهش استرس و بهبود كیفیت زندگي و ایمني بیمار باشد. در این پژوهش با استفاده از مدلسازي شبكه عصبي امكان پیش بیني وقوع حملات صرعي را با كمك گرفتن از ویژگیهاي استخراجي از سیگنال هاي EEG مورد بررسي قرار دهیم. به منظور طراحي یك مدل كارا براي پیش بیني وقوع حملات صرع در ابتدا از سیگنالهاي موجود به اندازه 01 دقیقه قبل از وقوع حمله را برش مي دهیم و بعد از پیش پردازش بر روي آنها با استفاده از روش هایي نظیر استفاده از فیلتر میان گذر باندهاي سیگنال را تفكیك كرده و در هر یك از باندها به استخراج ویژگي مي پردازیم. به دلیل وجودافزونگي در تعداد ویژگي ها با استفاده از روشهاي كاهش بعد از جمله PCA آنها را كم كرده  و 01 % از ویژگي هاي برتر را جهت طبقه بندي كردن انتخاب مي كنیم. آموزش شبكه را انجام داده و در آخر با داده هایي به غیر از داده هاي استفاده شده در قسمت آموزش شبكه را تست مي كنیم. این عمل را صد بار انجام داده و در هر بار تست درصد خطا را یادداشت مي كنیم. با میانگین گرفتن از درصد خطاهایي كه در هر بار استفاده از شبكه بدست مي آید مي توان صحت عملكرد شبكه در پیش بیني وقوع حملات را بررسي كرد.

دریافت لینک دانلود مقاله