طبقه بندی سیگنال های الکتروانسفالوگرافی (eeg) کانونی و غیر-کانونی با استفاده از شبکه های عصبی و تبدیل موجک تجربی (ewt)

تحقیقات اخیر نشان می دهد که بیماری صرع می تواند خطر مرگ را در افراد تا 60 درصد افزایش دهد. شناسایی دقیق کانون های صرع در مغز انسان، به جراح در خارج کردن بافت-های آسیب دیده کمک می کند. در این مقاله به ارائه ی یک روش جهت تفکیک سیگنال های الکتروانسفالوگرافی (eeg) کانونی، از غیر کانونی می پردازیم. در روش پیشنهادی، ابتدا با استفاده از تبدیل موجک تجربی (ewt)، سیگنال را به ریتم های مربوطه تجزیه می کنیم. تبدیل موجک تجربی، به دلیل دارا بودن مبنای ریاضیاتی قوی و پیاده سازی آسان، رویکرد مناسبی برای استخراج ریتم های سیگنال eeg است. سپس به کمک نمودار های فضای فاز بازسازی شده، ویژگی مطلوب را برای هر یک از ریتم ها استخراج می کنیم. ویژگی مطلوب در این مقاله، میزان تمرکز نقاط نمودار فضای فاز بازسازی شده به مرکز تجمع است. تفکیک نهایی سیگنال های کانونی از غیرکانونی به کمک شبکه های عصبی مصنوعی پرسپترون چندلایه (mlp) انجام شده است. در انتها، با اعمال روش پیشنهادی بر روی مجموعه ای از 200 داده از پایگاه داده برن بارسلونا، به ترتیب به دقت، حساسیت و اختصاصیت 90% ، 88.84% و 91.66% دست یافته ایم.