عنوان
روشي مقرون به صرفه جهت طبقه بندي تشنج صرعي با استفاده از كمترين تعداد ويژگي
نويسنده اصلي
امير نظري
مقطع تحصيلي
كارشناسي ارشد
چكيده
هدف از اين پايان نامه، طبقه بندي سيگنال هاي استخراج شده از مغز به منظور تشخيص بيماري صرع و ي ا
تشنج صرع ي ب ا حداقل تعداد ويژگي مورد استفاده و همچنين دق ت و با ر محاسبات ي قابل قبو ل است. د ر واق ع
اين پايان نامه به دنبال دست يابي به دقت ي بهين ه د ر طبقه بندي سيگنال هاي مغ زي با در نظر گير ي سرع ت
پرداز ش داده ها از طريق تشخيص موثر ترين ويژگي هاي استخراج شده و انتخاب حداقل ويژگي ها براي مدل
نهايي است.
بيماري صرع ، بيماري مزمن و چهارمين بيماري شايع در جهان است كه در دسته بيمار يهاي مغز و اعصاب
قرار م يگيرد. بررسي پيمايشي عميق در اين زمينه نشان م يدهد كه در ايران به ازاي هر هزار نفر، 17 نفر
مبتلا به صرع هستند و اين موضوع بيانگر آن است كه تعداد مبتلايان در ايران 2 تا 3 برابر آمار جهاني است .
تشنج مهم ترين علام ت بيماري صرع است كه مي توان با انجام الكتروآنسفالوگرافي ،آن را به صورت دقيق
مور د تحليل قرار داد. از اين رو شناسايي خودكار صرع به يك موضوع مهم بدل گشت ه كه از اهميت بالايي براي
درمان بيماران صرع برخوردار است.
از آن جا كه سيگنال هاي حياتي غير ايستا هستند پس براي برر سي محتوا ي فركانسي سيگنال EEG و
تغييرات زماني آن ، از روش هاي حوز ه زمان - فركانس استفاده م ي شود. پس با استفاد ه از تب ديل فوري ه زمان
كوتاه ) STFT ( و تب ديل موجك ) WPD ( ، جهت تعيين مشخصات منحصر به فرد شكل موج EEG ، اقدام به
استخراج ويژگي مي نماييم . در نهايت بردار ويژگ ي استخراج شده پس ا ز استاندارد سازي ) Z-Score ( ، جهت
طبقه بن د ي حملات صرع ي به الگوريتم هاي مختلف درخت تصمي م داده م ي شود. اين مرحله توسط نرم افزا ر
داده كاوي WEKA صورت خواهد گرفت.
در ادامه با استفاده ا ز روش هاي مختلف انتخاب ويژگي، اقدام به كاهش تعداد ويژگي نموده و دقت طبقه بند
را با استفاده از آن ويژگي ها مورد بررسي قرار مي دهيم . نتايج تجربي تأييد مي كند كه طبقه بندي RF با
استفاده از روش انتخاب ويژگي پيشنهادي، با وجود كمترين طول بردار ويژگي، بيشترين دقت را از خود نشان
مي دهد .
سپس روشي پيشنهاد مي شود كه با استفاده از اشتراك گيري منجر به كاهش بردا ر ويژگي ها از 567 ويژگي
اوليه به 6 ويژگي مي گردد و دارا ي دقت 4 / 97 % خواهد بود . از طرفي بر طبق نتايج پياده سازي، كاهش
بردار ويژگي ها به تنها 6 ويژگي، باعث كاهش هزينه محاسباتي و فضاي ذخيره سازي مي گردد.
در آخر طبق ه بن دي بدون وجود نوي ز و همچنين با اعمال نويز در داده ها با تعداد ويژ گي هاي مختلف مورد
مطالعه قرار خواهد گرفت و تعداد بهينه ويژگي ها به منظور طبقه بندي با دقت بالا و تشخيص نوع سيگنا ل
EEG مورد برر س ي قرار مي گيرد.
شماره ركورد
204733
دانشگاه
دانشگاه علم و صنعت ايران
رشته تحصيلي
مهندسي الكترونيك گرايش ديجيتال
استاد راهنما
دكتر احمد آيت الهي