پردازش سیگنال پیشرفته (May 2019)
تشخیص صرع در سیگنال‌های الکتروانسفالوگرافی (EEG) بر اساس ویژگی طیف کلی موجک (GWS) با استفاده ماشین بردار پشتیبان
Abstract
در حدود یک درصد از مردم دنیا از صرع رنج می‌برند. اولین مرحله از درمان صرع، تشخیص به‌موقع و صحیح آن است. یکی از راه‌های تشخیص صرع، تجزیه و تحلیل دقیق سیگنال الکتروانسفالوگرافی (EEG) است. ویژگی‌های مختلفی جهت تشخیص این بیماری از روی سیگنال مانند دامنه سیگنال وجود دارد. در این مقاله، با بررسی اطلاعات زمان-فرکانسی سیگنال EEG در افراد مبتلا به سندرم صرع بدون تشنج و افراد سالم، روش جدیدی برای تشخیص صرع ارائه شده است. در ابتدا ویژگی طیف کلی موجک (GWS) برای سیگنال EEG افراد سالم و افراد مبتلا به سندرم صرع استخراج شده است. برای بررسی این طیف در باندهای فرکانسی، سیگنال EEG با استفاده از تبدیل موجک به 5 زیرباند تجزیه می‌گردد. سپس با اعمال این ویژگی به طبقه‌بند مبتنی‌بر ماشین بردار پشتیبان به تشخیص صرع پرداخته شده است. نتایج تجزیه و تحلیل، تفاوت قابل ملاحظه‌ای، جهت تفکیک کردن فرد بر اساس سیگنال EEG فراهم می‌کند. روش پیشنهادی در مقایسه با روش‌های قبلی، سیگنال‌های سالم و صرعی را با دقت 100% طبقه‌بندی کرده است. همچنین، مشاهده شد که مقادیر غالب GWS برای سیگنال‌های انتخاب‌شده از بیماران مبتلا به سندرم صرعی در باند فرکانسی دلتا و تتا یافت می‌شوند.
