NATIONAL BIBLIOGRAPHY NUMBER
Country Code
IR
Number
۳۲۱۷ پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
فارسی
COUNTRY OF PUBLICATION OR PRODUCTlON
Country of publication
IR
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
تحلیل مبتنی بر سیگنال EEG اختلال ADHD کودکان با یادگیری دیکشنری
General Material Designation
[پایان‌نامه]
First Statement of Responsibility
/مریم معصومی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی پزشکی
Date of Publication, Distribution, etc.
، ۱۳۹۶
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۷۶ ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
کتابنامه در آخر پایان نامه
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
بیوالکتریک
Date of degree
۱۳۹۶/۱۲/۰۰
Body granting the degree
صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
استفاده از نمایش اسپارس اخیرا در زمینه‌های تحقیقاتی از جمله طبقه‌بندی و تشخیص بیماری بسیار مورد توجه قرار گرفته است و از دو بخش ساخت دیکشنری و کدگذاری اسپارس تشکیل می‌شود .برای ساخت دیکشنری نیازمند استخراج ویژگی‌های مناسب از سیگنال هستیم .در این پژوهش، به‌منظور بهره‌گیری از روش نمایش اسپارس در تشخیص دو گروه کودکان سالم و دارای اختلال نارسایی توجه /بیش‌فعالی(ADHD) ، از ترکیب ویژگی‌های خطی توان مطلق و توان نسبی باندهای فرکانسی و همچنین ویژگی‌های غیرخطی شامل بزرگترین ضریب لیاپانوف، آنتروپی تقریبی و ابعاد طیف مالتی فرکتال سیگنال EEG استفاده می‌کنیم .برای تشخیص اختلالADHD ، دو الگوریتم پیشنهادی ارائه شده است .در الگوریتم پیشنهادی اول، ویژگی‌های استخراج شده از سیگنال به‌صورت مستقیم به طبقه‌بند ماشین بردار پشتیبان (SVM) با کرنل‌های مختلف داده می‌شود .با اعمال جداگانه ویژگی‌ها به طبقه‌بند، از بین ویژگی‌های غیرخطی، بزرگترین ضریب لیاپانوف و در بین ویژگی‌های خطی، توان نسبی دلتا بالاترین صحت را به‌دست آوردند .طبقه‌بندی توان نسبی نسبت به توان مطلق دارای درصد صحت بالاتری بود .با اعمال ویژگی‌ها به‌صورت گروهی، بیشترین صحت با میزان ۸۷/۷۵ با کرنل خطی مربوط به ویژگی توان‌های فرکانسی بود .گروه ویژگی‌های غیرخطی صحت ۸۴/۸۳ را با کرنل RBF به‌عنوان بالاترین صحت به‌دست آوردند .با ترکیب تمام ویژگی‌ها، صحت به‌دست آمده از طبقه‌بندی به ۸۸ با کرنل خطی افزایش پیدا کرد .الگوریتم پیشنهادی دوم مبتنی بر نمایش اسپارس و یادگیری دیکشنری است .پایه‌های اصلی دیکشنری را ویژگی‌های خطی و غیرخطی ذکر شده در بالا تشکیل می‌دهند .به‌منظور ساخت دیکشنری از روش یادگیری دیکشنری آنلاین (ODL) استفاده کردیم .در بخش کدگذاری اسپارس برای همگرایی مسئله بهینه‌سازی از روش LARS بهره گرفته‌ایم .برای تشخیص اختلال، ضرایب حاصل از این بخش به طبقه‌بند SVM داده می‌شود .در الگوریتم یادگیری دیکشنری پارامتر تنظیم کننده بین ۰/۱ تا ۰/۹ انتخاب شده است .ابتدا ویژگی‌ها به‌صورت گروهی، خطی و غیرخطی، برای ساخت دیکشنری و به دنبال آن محاسبه ضرایب اسپارس تقسیم شدند .در طبقه‌بندی ضرایب اسپارس با استفاده از طبقه‌بند SVM برای ویژگی‌های غیرخطی صحت ۸۵ ، مربوط به ۰/۸ =در کرنل خطی و ۰/۴ =در کرنلMLP ، برای ویژگی‌های خطی صحت ۸۷/۲۵ ، مربوط به ۰/۶ =در کرنلMLP ، بالاترین صحت‌های به‌دست آمده بودند .سپس ضرایب اسپارس را با ترکیب تمام ویژگی‌ها و ساختن دیکشنری محاسبه کردیم .طبقه‌بندی انجام شده بر اساس این ضرایب با استفاده از کرنل‌های مختلف SVM در ۰/۵ =با کرنل MLP با مقدار ۸۹/۲۵ به بالاترین درصد صحت رسید
TOPICAL NAME USED AS SUBJECT
طبقه‌بند ماشین بردار پشتیبان
یادگیری دیکشنری
نمایش اسپارس
سیگنال الکتروانسفالوگرام
اختلال نارسایی توجه/بیش فعالی
PERSONAL NAME - PRIMARY RESPONSIBILITY
معصومی، مریم
PERSONAL NAME - SECONDARY RESPONSIBILITY
شمسی، موسی، استاد راهنما
ORIGINATING SOURCE
Country
ایران
Date of Transaction
20230617
LOCATION AND CALL NUMBER
Call Number
پزشکی .م،۱۰۰۱۰،۱۳۹۶
ELECTRONIC LOCATION AND ACCESS
Host name
ل‌انگیس رب ی‌نتبم ل‌یلحت EEG ل‌لاتخا ADHD ی‌رنشکید ی‌ریگدای اب ن‌اکدوک.pdf
Access number
عادی
Compression information
عادی
Date and Hour of Consultation and Access
3217.pdf
Date and Hour of Consultation and Access
pm10010.pdf
Bits per second
0
Contact for access assistance
ایمانی
Electronic Format Type
متن
File size
0
Record control number
پ ۳۲۱۷
Public note
فارسی
نمایه‌سازی قبلی
pe
TF
92029
1
a
Y
