دانش رسان |
مرکز علم و دانش کشور مقاله تشخیص تومور مغزی با استفاده از ویژگیهای خطی و غیرخطی سیگنالهای الکتروانسفالوگرام
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله تشخیص تومور مغزی با استفاده از ویژگیهای خطی و غیرخطی سیگنالهای الکتروانسفالوگرام دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تشخیص تومور مغزی با استفاده از ویژگیهای خطی و غیرخطی سیگنالهای الکتروانسفالوگرام 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 مقاله تشخیص تومور مغزی با استفاده از ویژگیهای خطی و غیرخطی سیگنالهای الکتروانسفالوگرام،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تشخیص تومور مغزی با استفاده از ویژگیهای خطی و غیرخطی سیگنالهای الکتروانسفالوگرام :
تعداد صفحات :۱۸
در پژوهش حاضر، سیگنالهای الکتروانسفالوگرام بیماران مبتلا به تومور مغزی و افراد سالم را برای مطالعه تغییرات ناشی از بروز تومور مغزی در سیگنالهای مغزی و در‌نهایت امکانسنجی تشخیص این بیماری توسط سیگنالهای EEG، بررسی کرده‌ایم. برای این منظور از داده‌های EEG ثبتشده از چهار کانال F3، F4، T3 و T4 برای پنج فرد مبتلا به تومور مغزی و چهار فرد سالم، استفاده شده است. پس از پیش‌‌پردازش، ویژگیهای خطی زمانی و طیف فرکانسی و ویژگیهای غیرخطی بُعد فرکتال و آنتروپی، استخراج شد. سپس تمایزپذیری میان دو گروه، با استفاده از اندیس دیویس-بولدین، طبقهبندی خطی LDA، غیرخطی KNN و SVM بررسی شد. بر‌اساس مقادیر به‌دست‌آمده برای اندیس دیویس-بولدین در وضعیت استراحت ذهنی چشمبسته، ویژگیهای RMS، توان مطلق باند تتا، آنتروپی نمونه و آنتروپی تقریبی و در وضعیت استراحت ذهنی چشمباز، ویژگیهای RMS و توان مطلق باند تتا، بیشترین تمایزپذیری را میان دو گروه سالم و بیمار نشان دادند. در این مرحله، طبقهبندی دو گروه سالم و بیمار با استفاده از تکویژگیها انجام شد، که بهترین صحت طبقهبندی مربوط به ویژگی RMS در حالت استراحت ذهنی چشمبسته و ۸۸.۸۹% به‌دست آمد. این موضوع نشاندهنده این است که ویژگی خطی RMS در افراد سالم و مبتلایان به تومور مغزی، تمایز خوبی ایجاد میکند. در پایان نیز برای دو حالت استراحت ذهنی چشمبسته و چشمباز و با استفاده از تمامی ویژگیهای منتخب، طبقهبندی انجام شد. با توجه به نتایج، بیشترین صحت طبقهبندی ۸۲.۵۴% با استفاده از ویژگیهای برتر RMS، توان مطلق باند تتا، آنتروپی نمونه و آنتروپی تقریبی در حالت استراحت ذهنی چشمبسته، به‌دست آمد. با توجه به نتایج مشاهده میشود که ویژگیهای خطی، قابلیت خوبی برای جداسازی سیگنالهای EEG افراد سالم و بیماران مبتلا به تومور مغزی دارند، که می‌توان از آنها، به‌دلیل سادگی و بار محاسباتی کم، برای تشخیص برخط بیماری تومور مغزی، به‌خصوص در آزمونهای دورهای غربالگری، استفاده کرد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
