|
|
شناسایی خودکار مراحل خواب از سیگنال eeg تککاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکهی عصبی مبتنی بر طبقه بند rusboost
|
|
|
|
|
نویسنده
|
شیخیوند سبحان ,قائمی سحرانه
|
منبع
|
مهندسي پزشكي زيستي - 1398 - دوره : 13 - شماره : 3 - صفحه:209 -222
|
چکیده
|
طبقهبندی خودکار مراحل خواب به منظور تشخیص به موقع اختلالات و مطالعات مرتبط با خواب امری ضروری است. در این مقاله یک الگوریتم مبتنی بر eeg تککاناله برای شناسایی خودکار مراحل خواب با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکهی عصبی مبتنی بر طبقهبند rusboost ارائه شده است. سیگنال با استفاده از تبدیل موجک گسسته به چهار سطح تجزیه شده و ویژگیهای آماری از هر یک از این سطوح استخراج شده است. جهت بهینهسازی و کاهش ابعاد بردارهای ویژگی، از یک مدل ترکیبی الگوریتم کلونی مورچگان و شبکهی عصبی چندلایهی پسانتشار خطا استفاده شده و سپس از آزمون anova برای تایید صحت ویژگیهای بهینه بهره گرفته شده است. طبقهبندی نهایی روی این ویژگیهای بهینه شده توسط طبقهبند rusboost صورت گرفته و مشاهده شده است که به طور میانگین صحت طبقهبندی 2 تا 6کلاس مراحل مختلف خواب بالای 90% بوده که نشان دهندهی درصد موفقیت بالاتر روش پیشنهادی در طبقهبندی مراحل خواب نسبت به پژوهشهای پیشین میباشد.
|
کلیدواژه
|
تبدیل موجک گسسته ,شناسایی خودکار مراحل خواب ,الگوریتم بهینهسازی کلونی مورچگان ,rusboost
|
آدرس
|
دانشگاه تبریز, دانشکدهی مهندسی برق و کامپیوتر, گروه مهندسی پزشکی, ایران, دانشگاه تبریز, دانشکدهی مهندسی برق و کامپیوتر, گروه مهندسی کنترل, ایران
|
پست الکترونیکی
|
ghaemi@tabrizu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|