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
1 چكيده
2 مقدمه
فصل اول: سيگنال EEG و ويژگيهاي ظاهري آن ………….. ………………….. 4
1 -1 مقدمه ………………… ….. 5
1 -2 اندازهگيري سيگنال EEG …………………………. …………..ا… . 6
1 -3 امواج مختلف در سيگنال EEG ………………………ا…… 13
1 -4 نرخ نمونه برداري سيگنال EEG …………..ا…………………. 71
1 -5 آشفتگيها و اغتشاشات الكتريكي سيگنال EEG ………….ا…… 18
فصل دوم: مروري بر روشهاي آشكارسازي spike هاي صرعي ………………….. 23
2 -1 مقدمه ……………………………. ….. 24
2 -2 تحليل در حوزه زمان ………………… ………. 25
2 -3 تحليل در حوزه فركاس …………………… …… 28
2 -4 آشكارسازي spike هاي موجود در EEG با استفاده از تبديل موجك …………………….. 29
فصل سوم: تبديل موجك روشي براي استخراج ويژگي ………………………….. 31
3 -1 مقدمه ………………………………….. ….. 32
3 -2 مقايسه تبديل موجك با تبديل فوريه و STFT …………………..ا……………. 33
3 -3 تبديل موجك پيوسته و گسسته ………………………… 38
3 -3-1 تبديل موجك پيوسته ………………………………………… 38
3 -3-2 تبديل موجك گسسته ………………………. .40
3 -4 تبديل موجك گسسته توسط فيلتر كردن مرحلهاي ………………………….. ………………. . 41
3 -5 معرفي چند موجك …………………………………. 45
فصل چهارم: شبكه عصبي …………………………………… ….. 49
4 -1 مقدمه …………………………… ….. 50
4 -2 مدل سازي نرون تنها ………….. ……….. 50
4 -3 تابع فعاليت ………………………….. 51
4 -4 معماري شبكه عصبي ……………. ………. 52
4 -4-1 شبكههاي پيش خور ……………………………… 53
4-4 -2 شبكههاي برگشتي ………………………… .. 53
4 -5 الگوريتم هاي يادگيري ……………………. ……… 54
4 -6 شبكه عصبي MLP………………..ا.. ………….. 55
4 -6-1 الگوريتم پس انتشار خطا …………………………. 55
4 -6-2 سيگنال خطا …………………………….. 56
4 -6-3 كل انرژي خطا …………………………. …….. 56
4 -6-4 انرژي ميانگين مربع خطا ………………………. 57
4 -6-5 انتخاب نرخ يادگيري ……………………………………. 57
4 -6-6 مرحله آموزش ………………………. ……… 57
4 -6-7 قابليت تعميم دهي ……………………………………. 58
4 -6-8 توقف آموزش ………………………….. ……….. 58
4 -7 معرفي شبكههاي ART ………………….ا…………… ….. 59
Fuzzy ART شبكه 8- 4 ………..ا.. …………………………. 61
4-8-1 دريافت اطلاعات ورودي ……………………………………. 62
Fuzzy ARTMAP شبكه 9- 4 ………………………. 63
فصل پنجم: پيادهسازي روش…………………………… 67

5 -1 مقدمه ………………………………….. ….. 68
5 -2 مجموعه داده …………………………………… 69
5 -3 قطعهبندي سيگنال EEG ………………….ا………………………. .. 69
5 -4 استخراج ويژگيها جهت اعمال به شبكه عصبي ………………………….. 70
5 -4-1 انرژي سيگنال …………………………………. ……… 71
5 -4-2 نرخ عبور از صفر ………………………… ….. 71
5 -4-3 انرژي محدوده فركانسي 02 -0 هرتز …………………………….. . 71
5 -4-4 ويژگيهاي استخراج شده با استفاده از تبديل موجك براي هر قطعه …………………………. .73
5-4-4 -1 انرژي طيف فركانسي…………………….. ………. 73
5-4-4 -2 نرخ عبور از صفر تمامي زيرباند ها ………………………………. . 74
5 -5 بهنجارسازي ويژگي ها ………………………………. ……… 74
5 -6 برچسب زدن spike هاي صرعي با استفاده از شبكههاي عصبي ………………………. 75
Fuzzy ARTMAP شبكه عصبي 1-6- 5  ……………………………… 76
5 -6-2 شبكه عصبي MLP ………………………..ا……….. 76
فصل ششم: نتيجه گيري و پيشنهادات …………………… ………… 78
نتيجه گيري ………………………….. …. 79
پيشنهادات ………………………………………. …… 83
منابع و ماخذ ………………………………………….. .. 84
84 فهرست منابع فارسي
85 فهرست منابع لاتين
چكيده انگليسي 87

چكيده
الكتروانسفالوگرام(EEG) كه براي نمايش فعاليت الكتريكي مغز استفاده م يشود، ابزار كلينيكي مناسبي
براي تشخيص بينظمي هاي مربوط به صرع است. آشكارسازي spike هاي صرعي نقش بسيار مهمي در
تشخيص صرع ايفا مي كند .در اين پروژه، طراحي و پيادهسازي سيستم تشخيص spike هايصرعي با استفاده
از روش تركيبي تبديل موجك گسسته و شبكه عصبي Fuzzy ARTMAP ارائه شده است. در اين پژوهش ،
از تبديل موجك براي استخراج ويژگي سيگنال EEG استفاده شده است و توانايي اين ويژگيها در
طبقه بندي رخدادهاي موجود در سيگنال EEG بررسي شده است. كار طبقهبندي با استفاده از شبكه عصبي Fuzzy ARTMAP انجام شده است. دليل استفاده از شبكه Fuzzy ARTMAP، عدم فراموشي و يادگيري
سريع و عملكرد مناسب اين شبكه در مسائل طبقهبندي مي باشد. عملكرد سيستم طبقهبندي كننده
ارائهشده در اين پروژه با استفاده از سه معيار حساسيت ، قابليت تفكيك و گزينش پذيري٧ ارزيابي مي شود .

مقدمه
عليرغم اينكه 04 سال از فعاليت و بررسي در زمينه فيزيولوژي صرع ميگذرد، هنوز آشكارسازي و
پيشگويي آن در حال بررسي است ولي نشان داده شده است كه آشكارسازي تخليههاي نروني صرعي يعني
spike ها و امواج تيز در سيگنال EEG گامي مهم در تشخيص و درمان بيماري صرع است. در زمينه پردازش
سيگنالهاي حياتي مانند سيگنال EEG، براي آشكارسازي و طبقه بندي يك پديده حياتي مانند spike
صرعي، روش متداول استخراج ويژگي هاي مناسب از سيگنال حياتي و اعمال يك روش طبقهبندي بر روي
ويژ گيهاي استخراج شده است. در اين پروژه، براي استخراج ويژگيهاي spike هاي صرعي از تبديل موجك
و يكسري تحليلهاي زماني و فركانسي و براي طبقهبندي الگوهاي موجود در EEG از شبكه عصبي ARTMAP Fuzzy استفاده شده است. تبديل فوريه و ساير روش هاي تحليل زمان –فركانس مانند تبديل
فوريه كوتاهمدت براي وقايع تدريجي و آهسته پاسخ خوبي نشان مي دهند اما براي وقايع سريع و تيز خوب
عمل نمي كنند. وقتي كه هر دو نوع نوسان در سيگنال موجود باشد ،تبديل موجك به خوبي ميتواند هر دو
نوع نوسان را نشان دهد. با تحقيقاتي كه در زمينه تشخيص صداي قلب ،تحليل ECG و EEG به عمل آمده
است، تبديل موجك توانايي خود را براي پردازش به خوبي نشان داده است.
در فصل اول به معرفي سيگنال EEG و ويژگيهاي ظاهري، نحوهي ضبط و اندازه گيري سيگنال EEG،
فركانسهاي سيگنال EEG، نرخ نمونه برداري و برخي اغتشاشات و آشفتگيها در ثبت سيگنال EEG
پرداخته مي شود .در فصل دوم روش هاي مختلف آشكارسازي spike هاي صرعي مورد بررسي قرار گرفته است
و نتايج برخي كارهاي انجام گرفته روي EEG گردآوري شده است. فصل سوم به معرفي تبديل موجك به
عنوان روشي براي استخراج ويژگي پرداخته شده است. با مطالعهي اين فصل ميتوان مقايسه اي بين تبديل
فوريه و تبديل موجك انجام داد، همچنين ميتوان مفهوم تبديل موجك پيوسته و گسسته را دريافت. در
انتهاي اين فصل نيز، چند موجك معرفي شده اند .در فصل چهارم توضيحاتي در خصوص شبكههاي عصبي MLP و Fuzzy ARTMAP و نحوه آموزش اين شبكهها ارائه شده است. در فصل پنجم در خصوص داده هاي
آموزش و آزمون، استخراج ويژگي و نحوه پيشپردازش اين داده ها و روش پيادهسازي سيستم آشكارسازي spike هاي صرعي توضيح داده شده است. فصل ششم در برگيرنده نتايج حاصل از اين پروژه و مقايسه بين
عملكرد شبكههاي MLP و Fuzzy ARTMAP مي باشد و در انتهاي فصل نيز پيشنهادات ارائه شده است.

نتيجه گيري
عملكرد سيستم طبقه بندي كننده براي آشكارسازي خودكار spikeهاي صرعي با استفاده از سه معيار
حساسيت، قابليت تفكيك و گزينش پذيري كه طبق روابط 6( -1)، 2-6() و )3- 6( تعريف مي شوند [33]،
ارزيابي م يشود:
¤ Z¤^ ^¥^ e = ,¦/6k,¦ × 100% (1-6)
حساسيت، معيار توانايي طبقه بندي كننده در آشكارسازي spike ها است.
¤© ª^$^ª^ e = ,k/6¦,k × 100% (2-6)
قابليتتفكيك، معيار توانايي طبقه بندي كننده در تشخيص فعاليت طبيعي و غيرصرعي مغز است.
¤ « ª ^¥^ e = ,¦/6¦,¦ × 100% ()6-3
گزينشپذيري، معيار توانايي طبقه بنديكننده در رد آشكارسازي كاذب spike ها است.
در روابط بالا، ١TP تعداد spikeهاي صرعي كه توسط سيستم طبقه بندي كننده به درستي آشكار شده
است؛ ٢TN تعداد spikeهاي غيرصرعي كه توسط سيستم به درستي آشكار شده است؛ ٣FP، تعداد
spikeهاي غيرصرعي كه به اشتباه توسط سيستم به عنوان spike صرعي طبقه بندي شده است؛ 4FN ، تعداد
spikeهاي صرعي كه به اشتباه توسط سيستم به عنوان spike غيرصرعي طبقه بندي شده است.
جدول 1-6() نتايج بدست آمده از سيستم طبقه بندي كننده MLP و Fuzzy ARTMAP با استفاده از 41 ويژگي را نشان مي دهد. حساسيت، گزينش پذيري و قابليتتفكيك، براي سيستم طبقه بندي كننده Fuzzy ARTMAP به ترتيب 42/88% ، 57/93% و/9 90% م يباشد و سيستم طبقه بندي كننده ي MLP،
داراي حساسيت، 53/28%، گزينش پذيري، 5/87% و قابليتتفكيك، 8/81% 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