|
|
|
|
شناسایی خودکار مراحل خواب از سیگنال eeg تک‌کاناله با استفاده از تجزیۀ حالت تجربی دسته‌ای کامل و مدل ترکیبی الگوریتم ژنتیک و شبکۀ عصبی
|
|
|
|
|
|
|
|
نویسنده
|
شیخی وند سبحان ,یوسفی رضایی توحید ,موسوی زهره ,مشگینی سعید
|
|
منبع
|
هوش محاسباتي در مهندسي برق - 1397 - دوره : 9 - شماره : 1 - صفحه:15 -28
|
|
چکیده
|
استفاده از روشی هوشمند برای تشخیص خودکار مراحل خواب در کاربردهای پزشکی به‌منظور کاهش حجم کار پزشکان در تجزیه و تحلیل داده‌های خواب با بازرسی بصری یکی از مسئله‌های مهم در سال‌های اخیر است. در این مقاله، الگوریتمی مبتنی بر eeg تک‌کاناله برای شناسایی خودکار مراحل خواب با استفاده از روش تجزیه حالت تجربی دسته‌ای کامل و مدل ترکیبی الگوریتم ژنتیک و شبکه عصبی ارائه می‌شود. سیگنال با استفاده از تجزیه حالت تجربی دسته‌ای کامل به توابع حالت ذاتی خود، تجزیه و ویژگی‌های آماری از هریک از توابع حالت ذاتی استخراج می‌شود. برای بهینه‌سازی و کاهش ابعاد بردارهای ویژگی از مدل ترکیبی الگوریتم ژنتیک و شبکه عصبی چندلایه پس انتشار خطا استفاده شده است. سپس از آزمون مک‌نمار برای تایید صحت ویژگی‌های بهینه استفاده می‌شود. شبکه عصبی پرسپترون با یک لایه پنهان، طبقه‌بندی نهایی روی این ویژگی‌های بهینه‌شده را انجام می‌دهد و به‌طور میانگین برای طبقه‌بندی 2کلاس تا 6کلاس، مراحل مختلف خواب به‌ترتیب صحت 90/ 98%، 10/ 97%، 70/ 96%، 80/ 94% و 80/ 93% و ضریب کاپا کوهن 98/ 0، 95/ 0، 95/ 0، 83/ 0 و 9/ 0 را فراهم می‌کند و نشان می‌دهد روش پیشنهادی، درصد موفقیت بیشتری در طبقه‌بندی مراحل خواب نسبت به پژوهش‌های پیشین دارد.
|
|
کلیدواژه
|
الگوریتم ژنتیک، تجزیه حالت تجربی دسته‌ای کامل، شبکه عصبی، ویژگی‌های آماری، eeg
|
|
آدرس
|
دانشگاه تبریز, دانشکده مهندسی برق و کامپیوتر, ایران, دانشگاه تبریز, دانشکده مهندسی برق و کامپیوتر, ایران, دانشگاه تبریز, دانشکده مهندسی مکانیک, ایران, دانشگاه تبریز, دانشکده مهندسی برق و کامپیوتر, ایران
|
|
پست الکترونیکی
|
meshgini@tabrizu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Automatic Stage Scoring of SingleChannel Sleep EEG using CEEMD of Genetic Algorithm and Neural Network
|
|
|
|
|
Authors
|
Yousefi Rezaii Tohid ,sheykhivand sobhan ,mousavi zohreh ,meshini saeed
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|