مشخصات مقاله | |
عنوان مقاله | Epileptic Seizure Classification using Statistical Features of EEG Signal |
ترجمه عنوان مقاله | دسته بندی حملات صرعی با استفاده از ویژگی های آماری سیگنال الکتروانسفالوگرافی |
فرمت مقاله | |
نوع مقاله | ISI |
سال انتشار | |
تعداد صفحات مقاله | 5 صفحه |
رشته های مرتبط | مهندسی پزشکی و پزشکی |
گرایش های مرتبط | مغز و اعصاب، بیوالکتریک و پردازش تصاویر پزشکی |
مجله | کنفرانس بین المللی مهندسی برق، کامپیوتر و ارتباطات – International Conference on Electrical |
دانشگاه | دانشکده مهندسی پزشکی، دانشگاه مهندسی و فناوری Khulna، بنگلادش |
کلمات کلیدی | تبدیل موجک دیجیتال (DWT)، شبکه عصبی مصنوعی (ANN)، طبقه بندی تشنج صرعی، ویژگی های آماری، دوره متقابل، دوره ایکاتل، تشخیص صرع |
کد محصول | 8178 |
نشریه | نشریه الزویر |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier |
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
تشخیص صرع زمانبر بوده و نیاز به مشاهدات کامل برای تعیین نوع صرع و تعیین منطقهای از قشر مغز است که با شروع حمله مرتبط میباشد. این مقاله یک روش بدوندرد طبقهبندی صرع، برای تشخیص مستقیم صرع ارائه میدهد و صحت طبقهبندی سیگنال الکتروانسفالوگرافی چند دستهای را در حین حمله صرعی بررسی میکند. برای انجام تحقیقات ما از جعبهابزارDWT در نرمافزار MATLABاستفاده میکنیم تا ویژگیهای معتبر در بردارهای ویژگی را بهدست آوریم. پسازآن، بردارهای ویژگی وارد لایه ورودی طبقهبندیکننده شبکه عصبی شده تا تفاوت میان دورههایی که در آنها سیگنال الکتروانسفالوگرافی نرمال، نشاندهنده حمله و بین حملات است را مشخص کند. نرخ صحت، بر اساس ماتریس اغتشاش محاسبه میشود. روش پیشنهادی، جهت نظارت و تشخیص نوع صرع به همراه سیستم اعلام خطر قابل استفاده است. 1. مقدمه |