تشخیص صرع در سیگنال‌های الکتروانسفالوگرافی (EEG) بر اساس ویژگی طیف کلی موجک (GWS) با استفاده ماشین بردار پشتیبان

نویسندگان

1 گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

2 گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

doi
10.22034/jasp.2019.9179
چکیده

در حدود یک درصد از مردم دنیا از صرع رنج می‌برند. اولین مرحله از درمان صرع، تشخیص به‌موقع و صحیح آن است. یکی از راه‌های تشخیص صرع، تجزیه و تحلیل دقیق سیگنال الکتروانسفالوگرافی (EEG) است. ویژگی‌های مختلفی جهت تشخیص این بیماری از روی سیگنال مانند دامنه سیگنال وجود دارد. در این مقاله، با بررسی اطلاعات زمان-فرکانسی سیگنال EEG در افراد مبتلا به سندرم صرع بدون تشنج و افراد سالم، روش جدیدی برای تشخیص صرع ارائه شده است. در ابتدا ویژگی طیف کلی موجک (GWS) برای سیگنال EEG افراد سالم و افراد مبتلا به سندرم صرع استخراج شده است. برای بررسی این طیف در باندهای فرکانسی، سیگنال EEG با استفاده از تبدیل موجک به 5 زیرباند تجزیه می‌گردد. سپس با اعمال این ویژگی به طبقه‌بند مبتنی‌بر ماشین بردار پشتیبان به تشخیص صرع پرداخته شده است. نتایج تجزیه و تحلیل، تفاوت قابل ملاحظه‌ای، جهت تفکیک کردن فرد بر اساس سیگنال EEG فراهم می‌کند. روش پیشنهادی در مقایسه با روش‌های قبلی، سیگنال‌های سالم و صرعی را با دقت 100% طبقه‌بندی کرده است. همچنین، مشاهده شد که مقادیر غالب GWS برای سیگنال‌های انتخاب‌شده از بیماران مبتلا به سندرم صرعی در باند فرکانسی دلتا و تتا یافت می‌شوند.