تشخیص و پیش‌بینی تشنج‌های صرعی بر اساس پردازش سیگنال‌های eeg و شبکه های عصبی مصنوعی

بیماری صرع، به‌عنوان چهارمین اختلال عصبی رایج، میلیون‌ها نفر را در سراسر دنیا تحت تاثیر قرار می‌دهد که بسیاری از این افراد، ناچار به ادامه زندگی همراه با تشنج‌های صرعی غیرقابل‌کنترل توسط دارو و یا عمل جراحی می‌باشند. به همین دلیل، با طراحی و پیاده‌سازی سیستم‌هایی برای تشخیص و پیش‌بینی تشنج‌های صرعی می‌توان با اخطار به ‌موقع به این بیمارها و مراقبین آن‌ها، عواقب ناشی از حمله‌های ناگهانی و پیش‌بینی‌نشده را کاهش داد. در این مقاله روشی بر اساس هوش مصنوعی و پردازش سیگنال‌های eeg توسط تبدیل فوریه برای تشخیص و پیش‌بینی تشنج‌های صرعی پیاده‌سازی شد. مجموعه داده مورد بررسی شامل 100 سیگنال eeg در حالت نرمال و 100 سیگنال eeg در حالت رخ داد تشنج صرعی بود. سیگنال‌های eeg توسط تبدیل فوریه سریع از حوزه زمان به حوزه فرکانس منتقل شدند. سپس از سیگنال‌های حوزه زمان شش ویژگی و سیگنال‌های حوزه فرکانس چهار ویژگی استخراج شد. از این ده ویژگی برای آموزش و ارزیابی شبکه عصبی استفاده شد. نتایج طبقه بندی نوع سیگنال eeg نشان داد که شبکه عصبی مصنوعی توانست با صحت 100% تشنج‌های صرعی را از روی سیگنال‌های eeg تشخیص دهد.