تشخیص تشنج های صرعی با استفاده از آنالیز پارامترهای Hjorth و مدل خودبازگشتی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تشخیص تشنج های صرعی با استفاده از آنالیز پارامترهای Hjorth و مدل خودبازگشتی دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص تشنج های صرعی با استفاده از آنالیز پارامترهای Hjorth و مدل خودبازگشتی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تشخیص تشنج های صرعی با استفاده از آنالیز پارامترهای Hjorth و مدل خودبازگشتی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تشخیص تشنج های صرعی با استفاده از آنالیز پارامترهای Hjorth و مدل خودبازگشتی :

تعداد صفحات :۸

چکیده مقاله:

در این مقاله آنالیز سری زمانی سیگنال های EEG به منظور تشخیص و طبقه بندی خودکار حملات صرع مورد بررسی قرار گرفته است.استخراج پارامترهای Hjorth و همچنین استفاده از مدل خودبازگشتی می تواند ویژگیهای زمانی سیگنال های EEG را بیان کنند. پارامترهایHjorth عبارتند از پارامتر فعالیت، پارامتر تحرک و پارامتر پیچیدگی. در این مطالعه با پنجره گذاری روی سیگنال در پنجرههای به طول ۱۳۶۵سمبل (۷/۹ ثانیه ای)، ویژگی های فعالیت، تحرک و پیچیدگی و همچنین ضرایب مدل خودبازگشتی با مرتبه ۱۱، از هر پنجره استخراج شده است.کارایی چهار طبقه بند به نام های شبکه عصبی کوانتیزه کننده برداری (LVQ)، شبکه عصبی احتمالاتی (PNN)، همچنین آنالیز تفکیککننده خطی (LDA) و K نزدیکترین همسایگی (KNN)، برای طبقه بندی الگوهای صرعی مقایسه شده است. نتایج این مطالعه نشان می دهدکه ویژگی های فوق قابلیت تفکیک حملات صرعی زمان کوتاه را از سیگنال های بدون تشنج دارا می باشند، همچنین طبقه بند KNN بهتر از سایرطبقه بندها با دقت ۹۸/۳۳% این عمل را انجام می دهد.