مشخصات مقاله | |
عنوان مقاله | Optimizing EEG Energy-based Seizure Detection using Genetic Algorithms |
ترجمه عنوان مقاله | بهینه سازی تشخیص صرع مبتنی بر انرژی سیگنال الکتروانسفالوگرافی با استفاده از الگوریتم ژنتیک |
فرمت مقاله | |
نوع مقاله | ISI |
سال انتشار | |
تعداد صفحات مقاله | 8 صفحه |
رشته های مرتبط | مهندسی پزشکی و پزشکی |
گرایش های مرتبط | مغز و اعصاب، بیوالکتریک، پردازش تصاویر پزشکی |
مجله | محاسبات تکاملی – Evolutionary Computation |
دانشگاه | بخش علوم کامپیوتر، دانشگاه کارلوس، مادرید |
کد محصول | 8189 |
نشریه | IEEE |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
خرید ترجمه این مقاله | خرید ترجمه این مقاله |
بخشی از متن مقاله: |
چکیده
صرع یکی از شایعترین بیماریهای سیستم اعصاب است که تنها در ایالات متحده، 2/2 میلیون نفر به آن مبتلا هستند و باعث تشنج در فرد میشود که میتواند در زندگی افراد تاثیراتی از جمله مرگ داشته باشد. به همین علت، تحقیقات قابلتوجهی در زمینه شناسایی صرع به محض وقوع آن، صورت میگیرد، به طوری که اثرات و عواقب آن را بتوان فورا کاهش داد. در این مقاله، الگوریتم تشخیص حمله صرعی مبتنی بر انرژی، بر روی سیگنالهای الکتروانسفالوگرافی توصیف و اجرا شده است. از آنجا که این تکنیک شامل پارامترهای مختلفی است که به طور قابل توجهی بر عملکرد تشخیص اثر میگذارد، ما از الگوریتم های ژنتیکی برای بهینه سازی این پارامترها جهت بهبود دقت تشخیص استفاده خواهیم کرد. در این مقاله، تنظیمات الگوریتم ژنتیک، از جمله توابع کدگذاری و تابع ارزیاب را توصیف میکنیم. در نهایت، الگوریتم پیاده سازی شده با پارامترهای بهینه، با استفاده از دیتاست سیگنال مغزی CHB-MIT ارزیابی میشود که این مجموعه داده عمومی در سایت PhysioNet موجود است. نتایج متنوعی به دست آمده که تقریبا دقت کاملی برای برخی از بیماران با نرخ پایین مثبت کاذب وجود دارد، اما در تشخیص حملات سایر بیماران، ناموفق بوده است. بنابراین محدودیتهای تشخیص حمله صرعی مبتنی بر انرژی، مورد بحث قرار گرفته است و راهحلهایی برای این مسائل پیشنهاد شده است. 1. مقدمه |