استفاده از ماشين‌هاي بردار پشتيباني به‌عنوان يك الگوريتم هوشمند براي تشخيص تشنج از سيگنال‌هاي EEG

مقدمه: الكتروانسفالوگرافي (EEG) متداول ترين روش براي مطالعه عملكرد مغز است. اين مقاله يك مدل رايانه‌اي براي تمايز بين افراد صرعي و سالم با استفاده از سيگنال‌هاي EEG با دقت نسبتاً بالا ارائه مي‌دهد. مواد و روش‌ها: پايگاه داده EEG مورد استفاده در اين مطالعه از داده‌هاي موجود در Andrzejak گرفته شده است. اين مجموعه داده متشكل از 5 مجموعه سيگنال‌هاي EEG (مشخص شده از A تاE ) است كه هر يك شامل 100 بخش EEG مي‌باشد. مجموعه‌هاي A و B شامل سيگنال‌هاي EEG هستند كه از 5 داوطلب سالم گرفته شده‌اند. مجموعه‌هاي C و D به EEG هاي بيماران مبتلا به صرع كانوني (بدون ضبط ictal ) مي‌باشند و مجموعه E از يك بيمار با ضبط ictal گرفته شده است. ماشين‌هاي بردار پشتيبان پس از استفاده از تجزيه و تحليل مولفه‌هاي اصلي يا تجزيه و تحليل تفكيكي خطي از ويژگي‌هاي سيگنال‌ها استفاده شدند. نرم‌افزار متلب براي پياده‌سازي و آزمايش الگوريتم طبقه‌بندي پيشنهادي استفاده شده است. براي ارزيابي روش پيشنهادي، ماتريس سردرگمي، ميزان موفقيت كلي، منحنيROC و AUC هر كلاس استخراج شد. براي تأييد نتايج از روش اعتبارسنجي متقابل K برابر استفاده شد. يافته‌ها: ميزان موفقيت كلي به دست آمده در اين مطالعه بالاتر از 82 درصد بود. الگوريتم‌هاي كاهش ابعاد مي‌توانند دقت و سرعت آن را بهبود بخشند. نتيجه‌گيري: پيش بيني دقيق و زود هنگام وقوع تشنج بسيار مفيد است. استفاده از مدل رايانه‌اي ارائه شده در اين مطالعه مي‌تواند اين هدف را محقق سازد.