پیش‌بینی حملات صرع از طریق پردازش سیگنال Eeg با استفاده از شبکه‌های عصبی فازی تطبیقی

بیماری صرع، نوعی اختلال عصبی است که در اثر اختلال در سلول‌های عصبی مغز ایجاد شده و منجر به ایجاد حملات مکرر در فرد می‌شود. پیش‌بینی زمان رخداد حمله در این بیماران بسیار حائز اهمیت است؛ بدین منظور در این پژوهش، به بررسی پیش‌بینی حملات صرع قبل از وقوع با استفاده از سیگنال‌های eeg پرداخته شده است. سیگنال eeg در حوزه زمان تجزیه و تحلیل شده و ویژگی‌های مختلف خطی و غیرخطی از هر زیرباند مغزی استخراج شده است. در نهایت، پس از ترکیب و یافتن بهترین ویژگی‌ها با استفاده از آزمون آماری t و روش انتخاب ویژگی متوالی بهترین ویژگی‌ها انتخاب‌شده و در مرحله آخر طبقه‌بندی توسط سه روش ماشین بردار پشتیبان با کرنل خطی، نزدیک‌ترین k همسایه و شبکه عصبی- فازی تطبیقی انجام شده است. به‌منظور ارزیابی نتایج و بررسی کارایی سیستم سه معیار صحت، حساسیت و اختصاصیت استفاده گردید. در نهایت مشاهده شد که استفاده از ویژگی‌های ترکیبی خطی- غیرخطی کارایی بسیار بالایی داشته و صحت نهایی به‌دست‌آمده در پیش‌بینی حمله 6 دقیقه قبل از وقوع آن 100% به دست آمده است.