ترجمه مقاله طبقه بندی شبکه عصبی سیگنال EEG برای تشخیص حمله ناگهانی – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
طبقه بندی شبکه عصبی سیگنال EEG برای تشخیص حمله ناگهانی
عنوان انگلیسی مقاله:
Neural network classification of EEG signal for the detection of seizure
کلمات کلیدی مقاله:
نوار مغزی (EEG)، تشخیص حمله ناگهانی، ممان های آماری، شبکه عصبی
مناسب برای رشته های دانشگاهی زیر:
پزشکی و مهندسی پزشکی
مناسب برای گرایش های دانشگاهی زیر:
بیوالکتریک
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. مروری بر کارهای گذشته
3. روش کار
4. پیاده سازی
A. استخراج ویژگی با استفاده از تبدیل DWT
B. ویژگی های آماری
C. دیتابیس (پایگاه داده) نوار مغزی
D. طبقه بندی
5. نتایج
6. نتیجه گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Brain is the strongest part of the human body which consists of the number of neurons. Electrical activity of the brain can be measured using many techniques in which EEG is widely used. Any change in electrical signal will define a particular abnormality in human. This paper, suggest a algorithm for the EEG signal analysis for the detection of seizure using wavelet transform and statistical parameters. Data set consists of two sampling rates, one with 128Hz and another with sampling rate of 1024Hz. Feature extraction was done using discrete wavelet transform. Once a feature extraction is done the data will be given to a neural network for the classification. A multilayered neural network was used classify seizure and normal person. The proposed algorithm is tested on 23 data sets. Classification accuracy of 100% has been achieved for the sampling rate of 1024 and 85% for the data with sampling rate of 128. Total system accuracy achieved is 92.5%.
چکیده
مغز قوی ترین بخش از بدن انسان است که شامل نرون های متعددی است. فعالیت الکتریکی مغز توسط تکنیک های زیادی قابل اندازه گیری است به طوری که نوار مغزی (EEG) به طور گسترده مورد استفاده قرار می گیرد. هرگونه تغییر در سیگنال الکتریکی معرف یک ناهنجاری در انسان است. این مقاله الگوریتمی را برای تحلیل سیگنال نوار مغزی به منظور تشخیص حمله ناگهانی با استفاده از تبدیل موجک و پارامترهای آماری پیشنهاد می دهد. مجموعه داده ها (دیتاست) شامل دو نرخ نمونه برداری است که یکی 128 هرتز و دیگری 1024 هرتز است. استخراج ویژگی با استفاده از تبدیل موجک گسسته انجام شده است. هنگامی که استخراج ویژگی انجام می شود، داده ها به منظور طبقه بندی به یک شبکه عصبی تحویل داده می شود. یک شبکه عصبی چند لایه برای دسته بندی حمله ناگهانی و فرد نرمال مورد استفاده قرار گرفته است. الگوریتم پیشنهادی بر روی 23 دیتاست تست می شود. دقت طبقه بندی به میزان 100 ردصد برای نرخ نمونه برداری 1024 هرتز و دقت 85 درصد برای نرخ نمونه برداری 128 هرتز به دست آمده است. دقت کل سیستم نیز برابر با 92.5 درصد به دست آمده است.
