ارائه طبقه بندي مبتني بر الگوريتم خوشه بندي مركب PSO به منظور تشخيص تشنجات صرعي گراندمال و پتي مال

Classification based on compound clustering algorithm PSO for diagnosing Grandmal and Petitmal epileptic siezures

چكيده صرع دومين بيماري حاد عصبي بعد از سكته مغزي است كه معمولاً با تشنج هاي ناگهاني همراه است . اين بيماري انواع مختلفي دارد كه شايع ترين نوع آن صرع گراندمال و پتي مال است. از آنجا كه تشخيص درست صرع حتي براي يك نورولوژيست مجرب از روي بررسي بصري نوار مغزي امر دشواري است ، لذا ارائه روش هاي تشخيص خودكار و دسته بندي انواع اين بيماري به كمك روش هاي هوش مصنوعي قطعاً ياري دهنده پزشكان مي باشد. در اين مقاله به منظور تشخيص انواع تشنجات صرعي گراندمال و پتي مال به خوشه بندي داده هاي EEG با استفاده از يك روش تركيبي از شبكه عصبي و الگوريتم خوشه بندي مركب PSO پرداخته شده است.براي اين منظور از داده هاي بخش صرع دانشگاه Bonn آلمان استفاده شده است. پس از حذف عوامل مخرب سيگنال و استخراج ويژگي با استفاده از تبديل موجك ، به كمك شبكه عصبيMLP داده ها به سه دسته سالم ، پيش از حمله و در حين حمله طبقه بندي شده وسپس داده هايي كه به عنوان سيگنال هاي صرعي در حين حمله شناخته شدند توسط الگوريتم خوشه بندي مركب PSO به دو گروه صرع گراندمال و پتي مال خوشه بندي شده اند. . با انجام كلاسه بندي مرحله اول براي كلاس هاي سالم ، پيش ازحمله و در حين حمله به ترتيب مقادير دقت 96 % ، 97% و 85% مي باشد و همچنين با انجام خوشه بندي در مرحله دوم در زمينه تشخيص دو نوع صرع مذكور دقت افزايش مي يابد .