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:

277
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

161
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

استفاده از ماشین های بردار پشتیبانی به عنوان یک الگوریتم هوشمند برای تشخیص تشنج از سیگنال های EEG

صفحات

 صفحه شروع 1 | صفحه پایان 9

چکیده

 مقدمه: الکتروانسفالوگرافی (EEG) متداول ترین روش برای مطالعه عملکرد مغز است. این مقاله یک مدل رایانه ای برای تمایز بین افراد صرعی و سالم با استفاده از سیگنال های EEG با دقت نسبتا بالا ارایه می دهد. مواد و روش ها: پایگاه داده EEG مورد استفاده در این مطالعه از داده های موجود در Andrzejak گرفته شده است. این مجموعه داده متشکل از 5 مجموعه سیگنال های EEG (مشخص شده از A تاE) است که هر یک شامل 100 بخش EEG می باشد. مجموعه های A و B شامل سیگنال های EEG هستند که از 5 داوطلب سالم گرفته شده اند. مجموعه های C و D به EEG های بیماران مبتلا به صرع کانونی (بدون ضبط ictal) می باشند و مجموعه E از یک بیمار با ضبط ictal گرفته شده است. ماشین های بردار پشتیبان پس از استفاده از تجزیه و تحلیل مولفه های اصلی یا تجزیه و تحلیل تفکیکی خطی از ویژگی های سیگنال ها استفاده شدند. نرم افزار متلب برای پیاده سازی و آزمایش الگوریتم طبقه بندی پیشنهادی استفاده شده است. برای ارزیابی روش پیشنهادی, ماتریس سردرگمی, میزان موفقیت کلی, منحنیROC و AUC هر کلاس استخراج شد. برای تایید نتایج از روش اعتبارسنجی متقابل K برابر استفاده شد. یافته ها: میزان موفقیت کلی به دست آمده در این مطالعه بالاتر از 82 درصد بود. الگوریتم های کاهش ابعاد می توانند دقت و سرعت آن را بهبود بخشند. نتیجه گیری: پیش بینی دقیق و زود هنگام وقوع تشنج بسیار مفید است. استفاده از مدل رایانه ای ارایه شده در این مطالعه می تواند این هدف را محقق سازد.

استنادها

ارجاعات

استناددهی

APA: کپی

محمدپور، مجتبی، و علیزاده، عاطفه. (1400). استفاده از ماشین های بردار پشتیبانی به عنوان یک الگوریتم هوشمند برای تشخیص تشنج از سیگنال های EEG. علوم اعصاب شفای خاتم، 9(2 )، 1-9. SID. https://sid.ir/paper/951041/fa

Vancouver: کپی

محمدپور مجتبی، علیزاده عاطفه. استفاده از ماشین های بردار پشتیبانی به عنوان یک الگوریتم هوشمند برای تشخیص تشنج از سیگنال های EEG. علوم اعصاب شفای خاتم[Internet]. 1400؛9(2 ):1-9. Available from: https://sid.ir/paper/951041/fa

IEEE: کپی

مجتبی محمدپور، و عاطفه علیزاده، “استفاده از ماشین های بردار پشتیبانی به عنوان یک الگوریتم هوشمند برای تشخیص تشنج از سیگنال های EEG،” علوم اعصاب شفای خاتم، vol. 9، no. 2 ، pp. 1–9، 1400، [Online]. Available: https://sid.ir/paper/951041/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