شناسایی حملات صرعی بر مبنای استخراج الگوی دوبعدی زمان - فرکانسی سیگنال الکتروانسفالوگرام و کاربرد شبکه عصبی عمیق کانولوشنی

صرع یک اختلال عصبی در سیستم اعصاب مرکزی و محیطی است. حدود 60 میلیون نفر در جهان به حملات صرعی مبتلا هستند؛ به صورتی که دومین عامل شایع اختلالات مزمن عصبی را حملات صرعی تشکیل می‌دهند. در این مطالعه یک روش شناسایی و محلی‌سازی کانون حمله صرعی بر مبنای آنالیز موجک سیگنال الکتروانسفالوگرام و کاربرد شبکه عصبی کانولوشنی عمیق ارائه می‌شود. بدین منظور یک الگوریتم پنج‌مرحله‌ای پیشنهاد شده است. در گام اول که جمع‌آوری داده است، مجموعة 250 داده الکتروانسفالوگرام 23 کانال مبتنی بر استاندارد 10-20 از آرشیو داده بیمارستان امین اصفهان برای بیماران قبل از وقوع حمله و حین وقوع حمله صرع اخذ و جمع‌آوری شد. پایگاه‌داده جمع‌آوری‌شده شامل برچسب وقوع حمله یا عدم وقوع و همچنین برچسب کانون حمله صرع است. در گام دوم مجموعه‌داده‌ها به‌عنوان ورودی یک بلوک پیش‌پردازشی برای کاهش در نویز سیگنال در نظر گرفته می‌شود. بدین منظور از یک فیلتر حوزه فرکانس پاسخ ضربه محدود میان گذر بین 5/0 تا 70 هرتز استفاده شده است. در گام سوم که یک بلوک پردازشگر است، توزیع زمان - فرکانسی بر مبنای محاسبة انسفاکلوگرام برای هر کانال از سیگنال‌های پیش‌پردازش شده استخراج می‌شود. اسکالوگرام مربوط به 23 کانال به‌صورت یک تصویر دوبعدی مونتاژ می‌شود و با این روش می‌توان به یک تصویر دربردارندة اطلاعات توزیع زمان - فرکانسی برای همه کانال‌ها دست‌یافت. در گام چهارم تصویر به‌دست‌آمده به‌عنوان ورودی ساختار طبقه‌بندی متداول و ساختارهای طبقه‌بندی عمیق در نظر گرفته می‌شوند. در گام پنجم از دو تکنیک برای محلی‌سازی کانون حمله صرع استفاده می‌شود. در روش اول از روش حذف بر مبنای حداقل آنتروپی و در روش دوم از شبکه عصبی کانولوشنی بهره‌گیری می‌شود. نتایج حاصل از شبیه‌سازی نشان داده است که طبقه‌بندی‌کننده نزدیک‌ترین همسایه و ماشین بردار پشتیبان با کرنل غیرخطی دقت بالای 96 درصد را در طبقه‌بندی از ساختارهای یادگیری ماشین و شبکه عصبی کانولوشنی عمیق صحتی بالاتر از 98.5 درصد را برای ساختارهای یادگیری عمیق به همراه داشته است. همچنین در محلی‌سازی کانون حمله صرع در شرایطی که سیگنال نسبت سیگنال به نویز پایین‌تری دارد، شبکة عصبی کانولوشنی عمیق درصد منفی کاذب را کاهش می‌دهد و صحت محلی‌سازی را از 83 درصد برای آنتروپی به 96 درصد برساند.