آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:پایان نامه
تعداد صفحات:100
قالب بندی:word , pdf

نحوه خرید

آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب
۱ چکیده
۲ مقدمه
فصل اول: سیگنال EEG و ویژگیهای ظاهری آن ………….. ………………….. ۴
۱ -۱ مقدمه ………………… ….. ۵
۱ -۲ اندازهگیری سیگنال EEG …………………………. …………..ا… . ۶
۱ -۳ امواج مختلف در سیگنال EEG ………………………ا…… ۱۳
۱ -۴ نرخ نمونه برداری سیگنال EEG …………..ا…………………. ۷۱
۱ -۵ آشفتگیها و اغتشاشات الکتریکی سیگنال EEG ………….ا…… ۱۸
فصل دوم: مروری بر روشهای آشکارسازی spike های صرعی ………………….. ۲۳
۲ -۱ مقدمه ……………………………. ….. ۲۴
۲ -۲ تحلیل در حوزه زمان ………………… ………. ۲۵
۲ -۳ تحلیل در حوزه فرکاس …………………… …… ۲۸
۲ -۴ آشکارسازی spike های موجود در EEG با استفاده از تبدیل موجک …………………….. ۲۹
فصل سوم: تبدیل موجک روشی برای استخراج ویژگی ………………………….. ۳۱
۳ -۱ مقدمه ………………………………….. ….. ۳۲
۳ -۲ مقایسه تبدیل موجک با تبدیل فوریه و STFT …………………..ا……………. ۳۳
۳ -۳ تبدیل موجک پیوسته و گسسته ………………………… ۳۸
۳ -۳-۱ تبدیل موجک پیوسته ………………………………………… ۳۸
۳ -۳-۲ تبدیل موجک گسسته ………………………. .۴۰
۳ -۴ تبدیل موجک گسسته توسط فیلتر کردن مرحلهای ………………………….. ………………. . ۴۱
۳ -۵ معرفی چند موجک …………………………………. ۴۵
فصل چهارم: شبکه عصبی …………………………………… ….. ۴۹
۴ -۱ مقدمه …………………………… ….. ۵۰
۴ -۲ مدل سازی نرون تنها ………….. ……….. ۵۰
۴ -۳ تابع فعالیت ………………………….. ۵۱
۴ -۴ معماری شبکه عصبی ……………. ………. ۵۲
۴ -۴-۱ شبکههای پیش خور ……………………………… ۵۳
۴-۴ -۲ شبکههای برگشتی ………………………… .. ۵۳
۴ -۵ الگوریتم های یادگیری ……………………. ……… ۵۴
۴ -۶ شبکه عصبی MLP………………..ا.. ………….. ۵۵
۴ -۶-۱ الگوریتم پس انتشار خطا …………………………. ۵۵
۴ -۶-۲ سیگنال خطا …………………………….. ۵۶
۴ -۶-۳ کل انرژی خطا …………………………. …….. ۵۶
۴ -۶-۴ انرژی میانگین مربع خطا ………………………. ۵۷
۴ -۶-۵ انتخاب نرخ یادگیری ……………………………………. ۵۷
۴ -۶-۶ مرحله آموزش ………………………. ……… ۵۷
۴ -۶-۷ قابلیت تعمیم دهی ……………………………………. ۵۸
۴ -۶-۸ توقف آموزش ………………………….. ……….. ۵۸
۴ -۷ معرفی شبکههای ART ………………….ا…………… ….. ۵۹
Fuzzy ART شبکه ۸- ۴ ………..ا.. …………………………. ۶۱
۴-۸-۱ دریافت اطلاعات ورودی ……………………………………. ۶۲
Fuzzy ARTMAP شبکه ۹- ۴ ………………………. ۶۳
فصل پنجم: پیادهسازی روش…………………………… ۶۷

۵ -۱ مقدمه ………………………………….. ….. ۶۸
۵ -۲ مجموعه داده …………………………………… ۶۹
۵ -۳ قطعهبندی سیگنال EEG ………………….ا………………………. .. ۶۹
۵ -۴ استخراج ویژگیها جهت اعمال به شبکه عصبی ………………………….. ۷۰
۵ -۴-۱ انرژی سیگنال …………………………………. ……… ۷۱
۵ -۴-۲ نرخ عبور از صفر ………………………… ….. ۷۱
۵ -۴-۳ انرژی محدوده فرکانسی ۰۲ -۰ هرتز …………………………….. . ۷۱
۵ -۴-۴ ویژگیهای استخراج شده با استفاده از تبدیل موجک برای هر قطعه …………………………. .۷۳
۵-۴-۴ -۱ انرژی طیف فرکانسی…………………….. ………. ۷۳
۵-۴-۴ -۲ نرخ عبور از صفر تمامی زیرباند ها ………………………………. . ۷۴
۵ -۵ بهنجارسازی ویژگی ها ………………………………. ……… ۷۴
۵ -۶ برچسب زدن spike های صرعی با استفاده از شبکههای عصبی ………………………. ۷۵
Fuzzy ARTMAP شبکه عصبی ۱-۶- ۵  ……………………………… ۷۶
۵ -۶-۲ شبکه عصبی MLP ………………………..ا……….. ۷۶
فصل ششم: نتیجه گیری و پیشنهادات …………………… ………… ۷۸
نتیجه گیری ………………………….. …. ۷۹
پیشنهادات ………………………………………. …… ۸۳
منابع و ماخذ ………………………………………….. .. ۸۴
۸۴ فهرست منابع فارسی
۸۵ فهرست منابع لاتین
چکیده انگلیسی ۸۷

چکیده
الکتروانسفالوگرام(EEG) که برای نمایش فعالیت الکتریکی مغز استفاده م یشود، ابزار کلینیکی مناسبی
برای تشخیص بینظمی های مربوط به صرع است. آشکارسازی spike های صرعی نقش بسیار مهمی در
تشخیص صرع ایفا می کند .در این پروژه، طراحی و پیادهسازی سیستم تشخیص spike هایصرعی با استفاده
از روش ترکیبی تبدیل موجک گسسته و شبکه عصبی Fuzzy ARTMAP ارائه شده است. در این پژوهش ،
از تبدیل موجک برای استخراج ویژگی سیگنال EEG استفاده شده است و توانایی این ویژگیها در
طبقه بندی رخدادهای موجود در سیگنال EEG بررسی شده است. کار طبقهبندی با استفاده از شبکه عصبی Fuzzy ARTMAP انجام شده است. دلیل استفاده از شبکه Fuzzy ARTMAP، عدم فراموشی و یادگیری
سریع و عملکرد مناسب این شبکه در مسائل طبقهبندی می باشد. عملکرد سیستم طبقهبندی کننده
ارائهشده در این پروژه با استفاده از سه معیار حساسیت ، قابلیت تفکیک و گزینش پذیری٧ ارزیابی می شود .

مقدمه
علیرغم اینکه ۰۴ سال از فعالیت و بررسی در زمینه فیزیولوژی صرع میگذرد، هنوز آشکارسازی و
پیشگویی آن در حال بررسی است ولی نشان داده شده است که آشکارسازی تخلیههای نرونی صرعی یعنی
spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. در زمینه پردازش
سیگنالهای حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike
صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حیاتی و اعمال یک روش طبقهبندی بر روی
ویژ گیهای استخراج شده است. در این پروژه، برای استخراج ویژگیهای spike های صرعی از تبدیل موجک
و یکسری تحلیلهای زمانی و فرکانسی و برای طبقهبندی الگوهای موجود در EEG از شبکه عصبی ARTMAP Fuzzy استفاده شده است. تبدیل فوریه و سایر روش های تحلیل زمان –فرکانس مانند تبدیل
فوریه کوتاهمدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب
عمل نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد ،تبدیل موجک به خوبی میتواند هر دو
نوع نوسان را نشان دهد. با تحقیقاتی که در زمینه تشخیص صدای قلب ،تحلیل ECG و EEG به عمل آمده
است، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده است.
در فصل اول به معرفی سیگنال EEG و ویژگیهای ظاهری، نحوهی ضبط و اندازه گیری سیگنال EEG،
فرکانسهای سیگنال EEG، نرخ نمونه برداری و برخی اغتشاشات و آشفتگیها در ثبت سیگنال EEG
پرداخته می شود .در فصل دوم روش های مختلف آشکارسازی spike های صرعی مورد بررسی قرار گرفته است
و نتایج برخی کارهای انجام گرفته روی EEG گردآوری شده است. فصل سوم به معرفی تبدیل موجک به
عنوان روشی برای استخراج ویژگی پرداخته شده است. با مطالعهی این فصل میتوان مقایسه ای بین تبدیل
فوریه و تبدیل موجک انجام داد، همچنین میتوان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در
انتهای این فصل نیز، چند موجک معرفی شده اند .در فصل چهارم توضیحاتی در خصوص شبکههای عصبی MLP و Fuzzy ARTMAP و نحوه آموزش این شبکهها ارائه شده است. در فصل پنجم در خصوص داده های
آموزش و آزمون، استخراج ویژگی و نحوه پیشپردازش این داده ها و روش پیادهسازی سیستم آشکارسازی spike های صرعی توضیح داده شده است. فصل ششم در برگیرنده نتایج حاصل از این پروژه و مقایسه بین
عملکرد شبکههای MLP و Fuzzy ARTMAP می باشد و در انتهای فصل نیز پیشنهادات ارائه شده است.

نتیجه گیری
عملکرد سیستم طبقه بندی کننده برای آشکارسازی خودکار spikeهای صرعی با استفاده از سه معیار
حساسیت، قابلیت تفکیک و گزینش پذیری که طبق روابط ۶( -۱)، ۲-۶() و )۳- ۶( تعریف می شوند [۳۳]،
ارزیابی م یشود:
¤ Z¤^ ^¥^ e = ,¦/۶k,¦ × ۱۰۰% (۱-۶)
حساسیت، معیار توانایی طبقه بندی کننده در آشکارسازی spike ها است.
¤© ª^$^ª^ e = ,k/6¦,k × ۱۰۰% (۲-۶)
قابلیتتفکیک، معیار توانایی طبقه بندی کننده در تشخیص فعالیت طبیعی و غیرصرعی مغز است.
¤ « ª ^¥^ e = ,¦/۶¦,¦ × ۱۰۰% ()۶-۳
گزینشپذیری، معیار توانایی طبقه بندیکننده در رد آشکارسازی کاذب spike ها است.
در روابط بالا، ١TP تعداد spikeهای صرعی که توسط سیستم طبقه بندی کننده به درستی آشکار شده
است؛ ٢TN تعداد spikeهای غیرصرعی که توسط سیستم به درستی آشکار شده است؛ ٣FP، تعداد
spikeهای غیرصرعی که به اشتباه توسط سیستم به عنوان spike صرعی طبقه بندی شده است؛ ۴FN ، تعداد
spikeهای صرعی که به اشتباه توسط سیستم به عنوان spike غیرصرعی طبقه بندی شده است.
جدول ۱-۶() نتایج بدست آمده از سیستم طبقه بندی کننده MLP و Fuzzy ARTMAP با استفاده از ۴۱ ویژگی را نشان می دهد. حساسیت، گزینش پذیری و قابلیتتفکیک، برای سیستم طبقه بندی کننده Fuzzy ARTMAP به ترتیب ۴۲/۸۸% ، ۵۷/۹۳% و/۹ ۹۰% م یباشد و سیستم طبقه بندی کننده ی MLP،
دارای حساسیت، ۵۳/۲۸%، گزینش پذیری، ۵/۸۷% و قابلیتتفکیک، ۸/۸۱% است.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت

آخرین مطالب

مطالب مرتبط