NATIONAL BIBLIOGRAPHY NUMBER
Number
۲۲۳۵۲پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
per
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
ارائه راهکاری برای بهبود پیش‌صبینی حملات بیماری صرع با استفاده از سیگنال‌صهای الکتروانسفالوگرافی
Parallel Title Proper
new approach for improving the epilepsy attack forecast using EEG signals A
First Statement of Responsibility
/علی اکبر جمشیداصلی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی برق و کامپیوتر
Date of Publication, Distribution, etc.
، ۱۳۹۵
Name of Manufacturer
، افشار
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۸۱ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی‌ارشد
Discipline of degree
مهندسی برق - الکترونیک
Date of degree
۱۳۹۵/۱۱/۲۶
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
سیگنالهای مغزی برای شناسایی اختلالات مغزی از جمله بیماران صرع به کار می‌صرود .اصلی‌صترین مشکل بیماران صرع، حملات کنترل نشده‌صی آن و به مخاطره افتادن امنیت شخصی این بیماران می باشد .از این رو نیاز به پیش‌صبینی حملات صرع برای فراهم کردن زندگی ایمن تر برای این بیماران می‌صباشد .هدف اصلی ما در این تحقیق ارایه الگوریتمی قابل قبول جهت پیش‌صبینی حملات صرع با حداقل بار محاسباتی و پیچیدگی است که امکان پیاده‌صسازی را نیز داشته باشد .بر این اساس بعد از دریافت سیگنالهای مغزی با انجام فیلترینگ اثرات نویز و آرتیفکت ها کاهش داده شده است .سپس توان تبدیل موجک و گشتاورهای آماری را از هفت زیر باند مغزی سیگنالهای مغزی استخراج می‌صشود .به منظورانتخاب موثرترین ویژگی از بین ویژگی های استخراج شده، و کاهش ابعاد ماتریس ویژگی آنها را به PCA منتقل می‌صکنیم و در آخرین مرحله طبقه‌صبندی کننده‌صی ماشین بردار پشتیبان به کارمی‌صبریم .این الگوریتم قادر به پیش‌صبینی حملات صرع با حساسیت زیاد ۸۹ درصد و صحت بالای ۹۶ است .بنابراین الگوی ارایه شده با توجه به حساسیت و صحت بالا و پیچیدگی و بار محاسباتی پایین، قابلیت پیاده سازی بر روی سیتم حلقه بسته به صورت سخت افزاری را دارا می‌صباشد
Text of Note
The brain disorders, for instance epileptic seizure, can be predicted by analyzing the brain signals. The main issue of the people with epilepsy is its unprovoked nature and their endangered personal safety. Thus, it is crucial to predict the epileptic seizure to provide more secure lives for these patients. The main objective of this study is to present an acceptable pattern to predict seizure, which can be implemented, and possesses reasonable computational cost and less complexity. For the received brain signals the effects of noise and artifacts were reduced by filtering. Furthermore, the wavelet transform power and mathematical moment were obtained from seven sub band brain signals. In order to select the most effective feature among the deduced features the wavelet and moment were transferred to the Principle Component Analysis (PCA). Lastly, support vector machines classifier was employed. This pattern is capable to predict the seizure with a high sensitivity of 89 and the accuracy above 96 . Accordingly, due to the high sensitivity and accuracy, low complexity and reasonable computational cost of the proposed algorithm a closed loop device can be developed established on it
PARALLEL TITLE PROPER
Parallel Title
new approach for improving the epilepsy attack forecast using EEG signals A
PERSONAL NAME - PRIMARY RESPONSIBILITY
جمشیداصلی، علی اکبر
JAMSHIDASLI, ALI AKBAR
ELECTRONIC LOCATION AND ACCESS
Public note
سیاه و سفید
نمایه‌سازی قبلی
