شماره ركورد كنفرانس
4004
عنوان مقاله
روشي جديد در تشخيص صرع از سيگنال EEG با استفاده از تركيب طبقهبند شبكه عصبي MLP و الگوريتم ابتكاري IPO
پديدآورندگان
اسماعيلي محمد رضا mr.esmaeili@ birjand.ac.ir گروه الكترونيك دانشكده برق و كامپيوتر دانشگاه بيرجند بيرجند , محمدي علي a.mohammadi@birjand.ac.ir گروه الكترونيك دانشكده برق و كامپيوتر دانشگاه بيرجند بيرجند , هاونگي رمضان havangi@birjand.ac.ir گروه الكترونيك دانشكده برق و كامپيوتر دانشگاه بيرجند بيرجند , ظهيري سيد حميد hzahiri@birjand.ac.ir گروه الكترونيك دانشكده برق و كامپيوتر دانشگاه بيرجند بيرجند
تعداد صفحه
7
كليدواژه
الكتروانسفالوگرافي , سيگنال هاي صرعي , تبديل ويولت گسسته , شبكه عصبي پرسپترون چندلايه , طبقه بندي , الگوريتم بهينه سازي سيستم صفحات شيب دار
سال انتشار
1395
عنوان كنفرانس
دومين همايش ملي محاسبات تكاملي و هوش جمعي
زبان مدرك
فارسي
چكيده فارسي
صرع يك بيماري عصبي است كه بواسطه حملات ناگهاني مي تواند موجب جراحت فيزيكي يا حتي در مواردي موجب مرگ مبتلايان شود. سيگنال الكتروانسفالوگرافي (EEG) نقش مهمي در تشخيص صرع ايفا مي كند و به واسطه بررسي و مطالعه سيگنال EEG امكان تشخيص بيماري وجود دارد. در اين مقاله، از تركيب الگوريتم بهينه سازي سيستم صفحات شيب دار (IPO) و شبكه عصبي پرسپترون چند لايه (MLP) به عنوان روشي نوين جهت تشخيص و طبقه بندي هوشمند سيگنال هاي صرعي و سالم از يكديگر بهره گرفته شده است. در روش پيشنهادي، با استفاده از تبديل ويولت گسسته و سپس محاسبه پارامتر طول خط براي هر زيرسيگنال حاصله از تبديل ويولت، ويژگي هاي هر سيگنال استخراج و به عنوان ورودي به شبكه عصبي در نظر گرفته مي شود. سپس وزن هاي بهينه براي شبكه عصبي توسط الگوريتم IPO تخمين و به شبكه اعمال مي شود.
ساختار پيشنهادي با ميانگين زمان سپري شده 03/17 ميلي ثانيه به ازاي درصدهاي متفاوتي از داده هاي آموزش، دقت 100% را براي طبقه بندي داده هاي آموزش و آزمون نشان مي دهد. نتايج تجربي بيانگر دقت مطلوب و چشمگير شبكه عصبي بهينه در طبقه-بندي اسپايك هاي صرعي از سيگنال EEG است كه قادر به شناسايي دقيق سيگنال هاي سالم و صرعي از يكديگر است.
كشور
ايران
لينک به اين مدرک