طبقه بندي و استخراج ويژگي الكتروانسفالوگرام صرعي با استفاده از روش هاي PCA،ICA،EMD،DWT و SVM

هدف اين مقاله طبقه بندي سيگنال هاي الكتروانسفالوگرام به دو دسته صرعي و سالم مي باشد. براي دستيابي به بالاترين دقت، از تكنيك هاي مختلف استفاده شده است. روش هاي تبديل موجك و تجزيه حالت تجربي براي استخراج ويژگي هاي مورد نظر از اين سيگنال ها به كار رفته است. اين دو روش از لحاظ تاثير در فرآيند طبقه بندي با يكديگر مقايسه شده اند. جهت كاهش ابعاد فضاي ويژگي، روش هاي تحليل اجزاي مستقل و اصلي مورد استفاده قرار گرفته اند. سپس به منظور كاهش اثر نويز بر تحليل سيگنال الكتروانسفالوگرام، روش نرم كردن اعمال گرديد. درنهايت، به كمك طبقه بندي كننده ماشين بردار پشتيبان، داده هاي موجود طبقه بندي شدند. اين مراحل براي مجموعه داده موجود، شامل 5 گروه از سيگنال هاي الكتروانسفالوگرام تك كانال، آزمايش شد. نتايج، كارايي و دقت بالاي روش تجزيه حالت تجربي در استخراج ويژگي و طبقه بندي سيگنال ها را نشان مي دهد. براين اساس، دقت و حساسيت به دست آمده از هر دو تركيب تجزيه حالت تجربي تحليل اجزاي مستقل و تجزيه حالت تجربي تحليل اجزاي اصلي، پس از نرم كردن داده ها، به عنوان يك رويكرد جديد در استخراج و طبقه بندي ويژگي ها، 100% مي باشد. خروجي اين سيستم در كنترل و درمان بيماري كاربرد دارد.