سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

توجه : این فایل به صورت فایل PDF (پی دی اف) ارائه میگردد

 سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی دارای ۵۹ صفحه می باشد و دارای تنظیمات و فهرست کامل در PDF می باشد و آماده پرینت یا چاپ است

فایل پی دی اف سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی۲ ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی :

سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

لطفا از این در راستای تکمیل فایلات خود و در صورت کپی برداری با ذکر منبع استفاده نمایید.

چکیده

الکتروانسفالوگرام (EEG) که برای نمایش فعالیت الکتریکی مغز استفاده می شود، ابزار کلینیکی مناسبی برای تشخیص بی نظمی های مربوط به صرع است. آشکارسازی spikeهای صرعی نقش بسیار مهمی در تشخیص صرع ایفا می کند. در این ، طراحی و پیاده سازی سیستم تشخیص spikeهای صرعی با استفاده از روش ترکیبی تبدیل موجک گسسته و شبکه عصبی Fuzzy ARTMAP ارائه شده است. در این فایل، از تبدیل موجک برای استخراج ویژگی سیگنال EEG استفاده شده است و توانایی این ویژگی ها در طبقه بندی رخدادهای موجود در سیگنال EEG بررسی شده است. کار طبقه بندی با استفاده از شبکه عصبی Fuzzy ARTMAP انجام شده است. دلیل استفاده از شبکه Fuzzy ARTMAP، عدم فراموشی و یادگیری سریع و عملکرد مناسب این شبکه در مسائل طبقه بندی می باشد. عملکرد سیستم طبقه بندی کننده ارائه شده در این با استفاده از سه معیار حساسیت، قابلیت تفکیک و گزینش پذیری ارزیابی می شود.

مقدمه

علیرغم اینکه ۴۰ سال از فعالیت و بررسی در زمینه فیزیولوژی صرع می گذرد، هنوز آشکارسازی و پیشگویی آن در حال بررسی است ولی نشان داده شده است که آشکارسازی تخلیه های نرونی صرعی یعنی spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. در زمینه پردازش سیگنال های حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حرارتی و اعمال یک روش طبقه بندی بر روی ویژگی های استخراج شده است. در این ، برای استخراج ویژگی های spike های صرعی از تبدیل موجک و یکسری تحلیل های زمانی و فرکانسی و برای طبقه بندی الگوهای موجود در EEG از شبکه عصبی Fuzzy ARTMAP استفاده شده است. تبدیل فوریه و سایر روش های تحلیل زمان – فرکانس مانند تبدیل فوریه کوتاه مدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب عمل نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد، تبدیل موجک به خوبی می تواند هر دو نوع نوسان را نشان دهد. با فایلاتی که در زمینه تشخیص صدای قلب، تحلیل ECG و EEG به عمل آمده است، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده است.

در فصل اول به معرفی سیگنال EEG و ویژگی های ظاهری، نحوه ضبط و اندازه گیری سیگنال EEG، فرکانس های سیگنال EEG، نرخ نمونه برداری و برخی اغتشاشات و آشفتگی ها در ثبت سیگنال EEG پرداخته می شود. در فصل دوم روش های مختلف آشکارسازی spikeهای صرعی مورد بررسی قرار گرفته است و نتایج برخی کارهای انجام گرفته روی EEG گردآوری شده است. فصل سوم به معرفی تبدیل موجک به عنوان روشی برای استخراج ویژگی پرداخته شده است. با مطالعه این فصل می توان مقایسه ای بین تبدیل فوریه و تبدیل موجک انجام داد، همچنین می توان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در انتهای این فصل نیز، چند موجک معرفی شده اند. در فصل چهارم توضیحاتی در خصوص شبکه های عصبی MLP و ARTMAP و Fuzzy و نحوه آموزش این شبکه ها ارائه شده است. در فصل پنجم در خصوص داده های آموزش و آزمون، استخراج ویژگی و نحوه پیش پردازش این داده ها و روش پیاده سازی سیستم آشکارسازی spike های صرعی توضیح داده شده است. فصل ششم در برگیرنده نتایج حاصل از این و مقایسه بین عملکرد شبکه های MLP و ARTMAP و Fuzzy می باشد و در انتهای فصل نیز پیشنهادات ارائه شده است.