تحلیل سیگنال های الکتریکی مغز (eeg) جهت پیش بینی شروع تشنج صرع

صرع یک اختلال شدید در سیستم عصبی مرکزی است که فرد را مستعد تشنج های مکرر می کند. تشنج، ناهنجاری موقتی در فعالیت الکتریکی مغز است که علائم فیزیکی مختل کننده ای همچون وقفه در حافظه و هوشیاری، اختلال حواس یا لرزش تمام بدن را به دنبال دارد. در این راستا، سیستم خودکاری که بتواند شروع تشنج را تشخیص یا پیش بینی کند، امری ضروری به نظر می رسد. این پایان نامه، الگوریتمی جهت آشکارسازی شروع تشنج صرع مبتنی بر تحلیل سیگنال های الکتریکی مغز (eeg) به تنهایی یا با ترکیب سیگنال های الکتریکی قلب و مغز ارائه می دهد. الگوریتم پیشنهادی با انتخاب ویژگی های موثر از سیگنال های تشنج و غیر تشنج هر فرد و طبقه بندی آن ها در دو کلاس، شروع تشنج را به طور سریع و با حساسیت بالا تشخیص می دهد. در این الگوریتم، ایپاک های l ثانیه ای از سیگنال ها با اعمال تبدیل ویولت به صورت یک تنسور مرتبه سه در فضای مکانی، طیفی و زمانی نمایش داده می شوند. سپس با اعمال آنالیز تفکیک کننده تنسور عام (gtda) بر روی تنسورها و محاسبه ماتریس نگاشت، بردارهای ویژگی استخراج می گردند. gtda، اطلاعات تفکیک شده از سیگنالهای eeg را بدون حذف اطلاعات در مقادیر موثر ذخیره می کند که یک مزیت نسبت به روش های رایج همچون pca است و موجب افزایش حساسیت الگوریتم می گردد. سر انجام از طبقه بند نزدیک ترین همسایگی (knn) جهت طبقه بندی ویژگی های انتخابی، استفاده می شود. نتایج شبیه سازی الگوریتم بر روی مجموعه داده های استاندارد eeg نشان داد که الگوریتم قادر است 98 درصد از تشنج ها را با میانگین تاخیر 7/4 ثانیه و نرخ خطای آشکارسازی متوسط، سه خطا در هر 24 ساعت، تشخیص دهد.