شما اینجائید:خانه»پیاده سازی مقاله»طبقه بندی خودکار حالات خواب بر اساس سیگنال EEG توسط شبکه های عصبی و موجک
طبقه بندی خودکار حالات خواب بر اساس سیگنال EEG توسط شبکه های عصبی و موجک
ارسال شده توسط:Papersimتاریخ ارسال: 2017/07/13در پیاده سازی مقالهدیدگاهها برای طبقه بندی خودکار حالات خواب بر اساس سیگنال EEG توسط شبکه های عصبی و موجک بسته هستند
هدف ما ،طبقه بندی خودکار حالات خواب بر اساس سیگنال EEG توسط شبکه های عصبی و موجک
نفرات زیادی در سراسر دنیا وجود دارند که به نحوی در گیر اختلالات خواب می باشند. برای تشخیص و درمان این معضل استناد به سیگنال هایی همچون EEG،EMG،ECG و EOG بسیار متداول است. روش موجود که اغلب برای تشخصی اختلالات خواب مورد استفاده قرار می گیرد، روشی است مبتنی بر نظارت یک متخصص که بیمار را برای زمان های بسیار طولانی تحت نظر قرار می دهد. این روش از حیث زمان بسیار غیر کارا می باشد و مشتمل بر خطا می شود، لذا دستیابی به روشی خودکار که قابلیت طبقه بندی حالات خواب را داشته باشد سبب تسهیل در فرآیند تشخیص بیماری های مرتبط خواهد شد.
تعریف مراحل خواب و ماهیت کلی خواب نشان دهنده این مهم می باشند که سیگنال های eeg مشابه مرحله Stage1 حرکت غیر سریع چشم ([1]NREM) خواب و حرکت سریع چشم ([2]REM) خواب می باشند. لذا در این تحقیق، هدف طبقه بندی چهار مرحله خواب شامل Awake، Stage1+REM، Stage2 و Slow Wave Stage مبتنی بر سیگنال های EEG می باشد که کلیه مراحل خواب را دربر می گیرند.
برای این مهم، مولفه های ویولت و شبکه های مصنوعی عصبی مد نظر قرار گرفته و مجموعه داده های بر گرفته از پایگاه داده ای www.physionet.com مورد استفاده قرار گرفته است. نتایج حاصله حاکی از امکان حصول دقت تا 93 درصد ، حساسیت تا 84.2 درصد و کارایی تا 94.4 درصد می باشند.
نتیجه :
اگرچه روش های قبلی موجود برای شناسایی حالات خواب عملکردی نسبتا خوب داشته اند ولیکن ارائه روشی جدید که بتواند خصلت های زمانی فرکانسی سیگنال های خواب را بهتر آنالیز نموده و با دقتا بیشتری به شناسایی آنها بپردازد همواره حائز اهمیت بوده است. در این تحقیق روشی مبتنی بر تبدیل ویولت برای این مهم در نظر گرفته شده و با استفاده از یک شبکه عصبی طبقه بندی صورت گرفته است. با انتخاب 60 درصد داده ها برای آموزش و40 درصد برای تست، تخست شبکه را به صورت زیر آموزش دادیم و سپس تست نمودیم . نتایج حاکی از عملکرد مناسب این تلفیق روش ویولت و شبکه عصبی برای شناسایی حالات خواب می باشد.
Automatic Sleep Stage Classification Based on EEG Signals by Using
Neural Networks and Wavelet Packet Coefficients
طبقه بندی خودکارحالات خواب بر اساس سیگنال های EEG
و به وسیله ی شبکه های عصبی و مولفه های ویولت
Published in: IEEE EMBS Conference
Date of Publication: 2008
برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلودشود
مشخصات شبيه ساز:
دکتري مهندسي پزشکي
دانشگاه بهشتی
محتويات:
اصل مقاله
پياده سازي با Matlab
ضميمه کردن گزارش فارسي و نتايج
دانلود فايل
توضيحات صوتی متخصص؛ نيز موجود ميباشد که در صورت نياز و با پرداخت جداگانه ايميل ميشود