30364

تشخيص صرع نوزادان از روي سيگنالهاي الكتروانسفالوگرام با دامنه يكپارچه

كارشناسي ارشد

مهندسي برق

1398

1402/8/22

دكتر وحيد شالچيان

مهندسي برق

سيگنال¬هاي الكتروانسفالوگرام با دامنه يكپارچه براي پايش وضعيت نوزادان مبتلا به صرع رايج مي‌باشد. از اهداف اين پايان نامه، توسعه‌ي روش‌هايي است كه صرع را با دقت مناسبي تشخيص بدهند.با توجه به تعداد بالاي مبتلايان به صرع در دنيا و خطراتي مانند معلوليت و مرگ كه آنها را تهديد مي¬كند، درمان صرع از گذشته تا كنون از اهميت بالايي برخوردار بوده است. طبق تحقيقاتي كه تا كنون انجام شده است، در صورت تشخيص و درمان صرع در دوره‌ي نوزادي و در روزهاي اوليه¬ي تولد، عوارض ناشي از صرع در بزرگسالي نيز درمان شده و خطرات آن به طور قابل توجهي كاهش مي‌يابد. در اين پروژه سيگنال‌هاي 4 الكترود از مجموعه داده¬ي الكتروانسفالوگرام 79 نوزاد با طبقه بندي صرعي و غيرصرعي استفاده شده است، و در ادامه از پيش پردازش و استخراج ويژگي مناسب براي طبقه بندي توسط الگوريتم¬هاي يادگيري ماشين استفاده شده است. نتايج اين پايان نامه نشان مي‌دهند كه با وجود تعداد الكترودهاي محدود نيز مي‌توان وجود يا عدم وجود صرع در هر لحظه از سيگنال‌هاي مغزي نوزادان را با دقت 87.8% تشخيص داد. در نتيجه مزيت اين مطالعه نسبت به ديگر مطالعات در تشخيص صرع، در كاهش تعداد الكترود و همينطور تصميم گيري در بازه‌هاي زماني كوتاه 4 ثانيه اي مي‌باشد.

1402/10/19

Diagnosis of epilepcy in neonatal amplitude- integrated EEG

11/12/2024 12:00:00 AM

Amplitude Integrated Electroencephalogram signals are common for monitoring the status of infants with epilepsy. Considering the high number of epilepsy patients in the world and risks such as disability and death that threaten them, treatment of epilepsy has been of great importance since the past. According to researches conducted so far, in case of diagnosis and treatment of epilepsy in neonatal period and in the early days of birth, complications of epilepsy in adulthood are also treated and its risks are significantly reduced. In this project, the signals of 4 electrodes from the electroencephalogram dataset of 79 newborns with epileptic and non-epileptic classification have been used, and then appropriate preprocessing and extraction and feature selection have been used for classification by machine learning algorithms. The results of this thesis show that despite the limited number of electrodes, the presence or absence of epilepsy can be detected at any moment of neonatal brain signals with 87.8% accuracy. As a result, the advantage of this study compared to other studies in the diagnosis of epilepsy is in reducing the number of electrodes and also making decisions in short time intervals of 4 seconds.

الكتروانسفالوگرام با دامنه‌ي يكپارچه(aEEG) , تشخيص تشنج , صرع نوزادان , يادگيري ماشين

Amplitude integrated EEG , Epilepsy diagnosis , Neonatal Seizure , Machine learning

Abolfazl Faraji

Dr Vahid Shalchyan