، جلد ۱۶، شماره ۱، صفحات ۲۴-۳۳
عنوان فارسی طراحی سیستم تشخیص صرع کانونی با استفاده از نگاشت مغز، تکنیک‌های پردازش تصویر و شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله زمینه و هدف: متداول‌ترین روش تشخیص پاراکلینیکی صرع، نوار مغز یا الکترونسفالوگرام (EEG) می‌باشد که با آنالیز چشمی توسط متخصصین نورولوژی انجام می‌گیرد، اما به دلیل موارد منفی کاذب و هم‎چنین عدم امکان بررسی ارتباط سایر الکترودها و نواحی مغز با هم، از آن به صورت منحصر به فردی در تشخیص صرع استفاده نمی‌شود. در سال‌های اخیر الکترونسفالوگرام کوانتیزه (QEEG) به ابزاری قدرت‌مند در تشخیص ناهنجاری‌های فعالیت الکتریکی مغز تبدیل شده است. بنابراین پژوهش در زمینه بهبود کارایی EEG، تحلیل و پردازش تصاویر نگاشت مغز متناسب با روش‌های نوین که دارای تصاویر دو یا سه بعدی از مغز هستند و تشخیص خودکار بیماری صرع ضروری است. مواد و روش‌ها: در این مقاله مقطعی، از طریق استخراج مشخصه صرع با محاسبه انرژی هر کانال EEG، الگوی نگاشت مغز هر بیمار مبتنی بر درون یابی مکعبی رسم و با استفاده از روش‌های ترکیبی پردازش تصویر، الگوهای صرع عمومی و صرع جزئی و مرکز پتانسیل صرع توسط شبکه عصبی مصنوعی LVQ تشخیص داده می‌شود. یافته‌ها: در الگوریتم پیشنهادی الگوی نگاشت 11 نوع صرع شامل 10 نوع صرع جزئی و 1 الگوی صرع عمومی به صورت خودکار تشخیص داده شد. نتیجه‌گیری: با توجه به پیچیدگی تشخیص صرع در نوار مغز و سیگنال الکترونسفالوگرام و کمبود متخصصین نورولوژی خبره در بسیاری از مناطق کشور این طرح می تواند به عنوان یک روش هوشمند جهت تشخیص صرع مورد استفاده قرار گیرد که با تعمیم این روش می‌توان انواع الگوهای بیماری‌های مغزی را تشخیص داد.
کلیدواژه‌های فارسی مقاله الکترونسفالوگرافی، تبدیل ویولت، نگاشت مغز، صرع
عنوان انگلیسی Designing a Local Seizure Detection System Using Brain Mapping, Image Processing Techniques, and Artificial Neural Networks
چکیده انگلیسی مقاله Background: The general method for paraclinic diagnosis of epilepsy is electroencephalography that is performed by visual analysis by experienced neurologist. However, due to false detection and impossibility of evaluating electrodes and brain areas coherence, it is not uniquely used for seizure detection. In recent years, Quantitative Electroencephalogram (QEEG) has become a strong instrument for detection of brain disorders. Hence, studies in the field of EEG performance improvement and brain mapping images analysis corresponding to new methods that contain 2-D and 3-D output images and automatic epilepsy diagnosis are necessary. Materials and Methods: In this cross-sectional study, through extracting epilepsy feature by computing the energy of each EEG channel, brain map pattern of each patient was plotted using cubic interpolation and generalized and partial patterns and potential center of epilepsy were diagnosed by LVQ artificial neural network using image processing combination methods. Results: In the proposed algorithm, 11 epilepsy brain mapping patterns, including 1 generalized and 10 partial seizure patterns, were automatically diagnosed. Conclusion: Since seizure detection in the EEG signals is a complex procedure and the number of expert neurologists is small, this schema can be used for epilepsy diagnosis as an intelligent diagnosis method so that generalization of this method can help detect various brain disorders.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهدی توحیدی پور | Mahdi Tohidipour
Department of Electrical Engineering, Dezfoul Branch, Islamic Azad University, Dezfoul, Iran
گروه الکترونیک، دانشگاه آزاد اسلامی، واحد دزفول، خوزستان، ایران

امیر ابوالفضل صورتگر | Amir Aboulfazl Suratgar
Department of Electrical Engineering, Arak University, Arak, Iran
گروه برق، دانشگاه اراک، اراک، ایران

محمدرضا عرب | Mohammad Reza Arab
Department of Biomedical Engineering, Arak University of Medical Sciences, Arak, Iran
واحد تجهیزات پزشکی، دانشگاه علوم پزشکی اراک، اراک، ایران

علیرضا رضایی آشتیانی | Ali Reza Rezaei Ashtaini
Department of Neurology, Arak University of Medical Sciences, Arak, Iran
گروه مغز و اعصاب، دانشگاه علوم پزشکی اراک، اراک، ایران

نشانی اینترنتی http://jams.arakmu.ac.ir/browse.php?a_code=A-10-1112-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/2736/article-2736-2049047.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده علوم پایه
نوع مقاله منتشر شده پژوهشی اصیل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات