|
|
، جلد ۱۱، شماره ۳، صفحات ۸۹-۹۷
|
|
|
| عنوان فارسی |
پردازش سیگنال‌های الکتروآنسفالوگرافی به منظور تشخیص انواع تشنجات صرعی پتی مال وگراندمال با استفاده از شبکه‌های عصبی مصنوعی |
|
| چکیده فارسی مقاله |
مقدمه: تشنج مهم‌ترین تظاهر بیماری صرع بوده و آنالیز دقیق آن نیز از طریق انجام الکتروآنسفالوگرافی امکان پذیراست. به وسیله آشکار سازی دشارژهای صرعی شکل (امواج سوزنی ) امکان تشخیص بیماری صرع در سیگنال EEG وجود دارد. یک درصد افراد در زندگیشان این بیماری را تجربه می‌کنند. پیش از این قابلیت تشخیص هوشمندانه امواج سوزنی بررسی شده اما هدف این تحقیق تشخیص صرع های پتی مال (غایب) و گراندمال از طریق پردازش سیگنال‌های EEG توسط سیستم هوشمند (شبکه عصبی) می‌باشد. روش کار: در این مقاله توصیفی از تعداد 100 عدد سیگنال EEG مربوط به افراد مختلف در شرایط سلامت، فواصل تشنج و درحین تشنج مربوط به دو نیمکره مغزی استفاده شده است. با استفاده از تکنیک‌های نرم افزاری نویز50 هرتزو آرتیفکت آن حذف شده سپس توسط نرولوژیست این سیگنال‌ها به سه دسته سالم، تشنجات صرعی پتی مال (تپیک 3 هرتز) وگراندمال (درفازکلونیک با فرکانس 4 هرتز) به قطعات 6 ثانیه جداسازی شده است. اطلاعات این سیگنال‌ها شامل امواج سوزنی-آهسته، پلی اسپایک و پلی شارپ می‌باشد که استخراج و توسط تکنیک‌های نرم افزاری شبکه‌های عصبی به سه دسته سالم، پتی مال و گراندمال طبقه‌بندی گردیده است. نتایج: در نرم افزار طراحی شده، دقت تشخیص صرع‌های پتی مال و گراندمال در حدود 80 درصد می‌باشد. نتیجه گیری: به علت پیچیدگی در امواج مغزی و سختی تشخیص دیداری نوار مغزی این روش کمک زیادی در تشخیص بیماری صرع به پزشکان می‌کند. این پژوهش فعلا برای تشخیص دو نوع صرع شایع به کار رفته و قابل گسترش به انواع مختلف صرع می‌باشد. |
|
| کلیدواژه‌های فارسی مقاله |
الکتروانسفالوگرافی، صرع پتی مال، صرع گراندمال، صرع غایب |
|
| عنوان انگلیسی |
EEG Signals Processing for Diagnosis Petitmal (absence) and Grandmal Epilepsies Using Artificial Neural Network |
|
| چکیده انگلیسی مقاله |
Background: Epileptic seizures are manifestation of epilepsy. Understanding of the mechanisms causing epileptic disorder needs careful analyses of the electroencephalograph (EEG) records. The detection of epileptic form discharges (spike wave) in the EEG is an important component in the diagnosis of epilepsy. Approximately one in every 100 persons will experience a seizure at some time in their life. Already intelligence spike detection method discucsed but purpose of this research is diagnosis of different kind of epilepsy (grandmal and Petitmal) by design of an intelligence diagnosis processing. Methods and Materials: In this descriptive study, 100 EEG signals of brain hemispheres from different person in healthy, interictal and ictal conditions were used. Fifty Hz noise and artifact signals were removed by soft ware procedure then signals separated by expert neurologist to three categories, healthy (frequency band 8-12 Hz), petitmal seizures (typical 3 Hz), grandmal seizures (clonic stage with 4 Hz frequency) and divided each of them to 6 seconds segments. Information of this signals (background alpha, spike and slow, poly spike and poly sharp) were extracted by wavelet transform and classified by soft ware procedure neural network to there groups healthy, ptitmal and grandmal epilepsy. Results: In designed software accuracy of diagnosis ptitmal and grandmal epilepsies was obtained about 80% Conclusion: This method introduced intelligent diagnosis of epilepsy (ptitmal and gradmal) and automatically detected healthy person from epileptic patients. One of the other advantages is help to neurologist for detection of sickness clearly and expendable different kinds of other epilepsy |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
محمد رضا عرب | mohammad mehdi Arab
امیر ابوالفضل صورتگر | AmirAbolfazl Suratgar
علی رضا رضائی اشتیانی | Alireza Rezaei Ashtiani
|
|
| نشانی اینترنتی |
http://jams.arakmu.ac.ir/browse.php?a_code=A-10-263-1&slc_lang=fa&sid=1 |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/2736/article-2736-2049462.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
عمومی |
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|