تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM

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

 تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM  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 صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تشخیص صرع ازروی سیگنال های EEG بااستفاده ازپنجره بندی سیگنال، ویژگی های آماری و تبدیل موجک باکلاس بند Bayes و SVM :

تعداد صفحات :۱۳

چکیده مقاله:

دراین مقاله روشی جدید به منظور تشخیص خودکاربیماری صرع ازروی سیگنالهای الکتروانسفالوگرافی EEGارایه میشود دراین روش سیگنالهای EEG بااستفاده ازپنجره بندی سیگنال ویژگیهای اماری انتروپی تقریبی انرژی سیگنال و موجک گسسته تجزیه و تحلیل میشوند تشخیص بیماری صرع دردومرحله صورت میگیرد درمرحله اول سیگنال های EEG بااستفاده ازتبدیل موجک گسسته به پنج سطح تجزیه میشوند درمرحله دوم مقادیر انتروپی تقریبی و میانگین انرژی سیگنال درزیرباندهای سطوح دوم تا پنجم استخراج میشوند و نیز با استفاده ازپنجره بندی سیگنال و ویژگیهای اماری ویژگیهایی ازسیگنال بدست می آید اختلاف قابل توجهی بین مقادیر انتروپی تقریبی و میانگین انرژی درسیگنال EEG نرمال و صرعی درسطوح دوم تا پنجم تجزیه به وسیله تبدیل موجک گسسته وجود دارد درنهایت سیگنالهای EEG نرمال و صرعی بااستفادها زکلاس بندی های طبقه بندی کننده SVM و Bayesطبقه بندی شده و نتایج روش پیشنهادی مورد ارزیابی قرارگرفته و بانتایج سایرروشها مقایسه میشوند این روش سیگنالهای صرعی و نرمال را بادقت ۰۱۱ درصد طبقه بندی می کند