تشخیص بیماری صرع در سیگنال‌های الکتروانسفالوگرافی با استفاده از الگوریتم ازدحام ذرات و ماشین بردار پشتیبان کوانتومی

صرع یک بیماری عصبی مزمن است که میلیون‌ها نفر در سراسر جهان را تحت تاثیر قرار می‌دهد. الکتروانسفالوگرافی یک تکنیک غیرتهاجمی است که می‌تواند برای تشخیص صرع استفاده می‌شود. با این حال، طبیعت غیرخطی سیگنال‌های الکتروانسفالوگرافی چالش‌هایی را در تشخیص دقیق صرع ایجاد می‌کند. به منظور حل این مشکل، پژوهشگران الگوریتم بهینه‌سازی ازدحام ذرات و ماشین بردار پشتیبان کوانتومی را پیشنهاد داده‌اند.در این پژوهش، ابتدا سیگنال‌های الکتروانسفالوگرافی با استفاده از روش تبدیل موجک پیوسته تجزیه و سپس ویژگی های مربوط به این سیگنال ها استخراج گردید. ویژگی های استخراج شده، با استفاده از الگوریتم ازدحام ذرات بررسی شد. سپس، بهترین ویژگی ها از میان ویژگی های موجود انتخاب و از آنها به عنوان ورودی الگوریتم ماشین بردار پشتیبان کوآنتومی استفاده گردید. نتایج نشان داد که الگوریتم ازدحام ذرات با انتخاب بهترین ویژگی ها می تواند عملکرد روش ماشین بردار پشتیبان را تا 2 درصد افزایش دهد و این روش نسبت به روش شبکه عصبی کانولوشنی 17/1 درصد افزایش دقت داشته است.