مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

439
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

564
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی تشنج صرعی از روی ویژگی های طیفی، زمانی و مکانی سیگنال های نوار مغزی با استفاده از الگوریتم های یادگیری عمیق

صفحات

 صفحه شروع 110 | صفحه پایان 119

چکیده

 مقدمه: صرع یکی از شایع ترین اختلالات دستگاه عصبی است که به میزان زیادی زندگی بیماران را تحت تاثیر قرار می دهد. تشخیص زودهنگام حملات صرعی, تاثیر زیادی بر کیفیت زندگی بیماران خواهد گذاشت. در این پژوهش, یک معماری با ساختار شبکه عصبی عمیق برای یادگیری ویژگی های ارزشمند از سیگنال های نوار مغزی (EEG) به منظور تشخیص و همچنین پیش بینی تشنج های صرعی ارایه شده است. مواد و روش ها: معماری ارایه شده متشکل از شبکه های عصبی پیچشی و حافظه طولانی کوتاه-مدت است و به نحوی طراحی شده است که داده های مکانی, زمانی و طیفی سیگنال های EEG را به کار ببندد. علاوه بر این, شبکه طراحی شده بر روش های انتخاب صریح الکترودها تکیه ندارد. مدل ارایه شده روی مجموعه داده بیمارستان کودکان بوستون-موسسه فناوری ماساچوست (CHB-MIT) بکار بسته شده است. به منظور ارزیابی مدل, از رویکرد ارزیابی مختص بیمار (Patient-Specific) استفاده شده است. یافته ها: حساسیت معماری در پیش بینی تشنج برابر با 7/9 ± 90/7, نرخ پیش بینی اشتباه تشنج برابر با 0/12 در ساعت و میانگین مدت زمان پیش بینی تشنج تا وقوع تشنج برابر با 36/8 دقیقه به دست آمد. همچنین مدل ارایه شده ناحیه کانون تشنج (در تشنج های کانونی) را نیز تخمین می زند. نتیجه گیری: مدل ارایه شده به توانایی بالایی در پیش بینی تشنج دست یافت. همچنین با استفاده از قابلیت استخراج خودکار ویژگی ها در یادگیری عمیق, الگوی سیگنال ها دربازه پیش از تشنج با دقت مناسبی تعیین شدند. به علاوه, مدل بوسیله تخمین ناحیه کانون تشنج, می تواند متخصصان اعصاب را در اقدامات درمانی مرتبط یاری نماید.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    محمدخانی غیاثوند، نازنین، و قادری، فواد. (1399). پیش بینی تشنج صرعی از روی ویژگی های طیفی, زمانی و مکانی سیگنال های نوار مغزی با استفاده از الگوریتم های یادگیری عمیق. علوم اعصاب شفای خاتم، 9(1 )، 110-119. SID. https://sid.ir/paper/416340/fa

    Vancouver: کپی

    محمدخانی غیاثوند نازنین، قادری فواد. پیش بینی تشنج صرعی از روی ویژگی های طیفی, زمانی و مکانی سیگنال های نوار مغزی با استفاده از الگوریتم های یادگیری عمیق. علوم اعصاب شفای خاتم[Internet]. 1399؛9(1 ):110-119. Available from: https://sid.ir/paper/416340/fa

    IEEE: کپی

    نازنین محمدخانی غیاثوند، و فواد قادری، “پیش بینی تشنج صرعی از روی ویژگی های طیفی, زمانی و مکانی سیگنال های نوار مغزی با استفاده از الگوریتم های یادگیری عمیق،” علوم اعصاب شفای خاتم، vol. 9، no. 1 ، pp. 110–119، 1399، [Online]. Available: https://sid.ir/paper/416340/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button