شناسایی خودکار حالت‌های مختلف بیماری صرع از سیگنال eeg بر اساس یادگیری دیکشنری

استفاده از یک روش هوشمند برای تشخیص خودکار مراحل مختلف بیماری صرع در کاربردهای پزشکی جهت کاهش حجم کار پزشکان در تجزیه و تحلیل داده‌های صرع از طریق بازرسی بصری یکی از چالش‌های مهم در سال‌های اخیر بوده است. یکی از مشکلات شناسایی خودکار مراحل مختلف بیماری صرع، استخراج ویژگی‌های مطلوبی است که بتوانند بیش‌ترین تمایز را میان مراحل مختلف صرع ایجاد نمایند. فرایند یافتن ویژگی‌های مناسب عموما امری زمان‌بر است. در این پژوهش رویکرد جدیدی برای شناسایی خودکار مراحل مختلف صرع ارائه شده است. در این مقاله از دسته‌بندی مبتنی بر نمایش تنک سیگنال (src) به همراه یادگیری دیکشنری آموزش دیده برای شناسایی خودکار مراحل مختلف بیماری صرع با استفاده از سیگنال eeg استفاده شده است. روش پیشنهادی در 8 سناریو از 9 سناریوی ارائه شده به صحت، حساسیت و اختصاصیت 100% دست یافته و هم‌چنین در برابر نویز گوسی تا سطح صفر دسی بل مقاوم می‌باشد. نتایج به دست آمده نشان می‌دهد که استفاده از الگوریتم پیشنهادی برای شناسایی مراحل مختلف صرع موفقیت بیش‌تری نسبت به سایر روش‌های مشابه دارد.