14293

شناسايي صرع فوكال و غير فوكال به كمك بازنمايي ارتباطات مغزي و يادگيري عميق

1402

دكتر احمد ايت اللهي

دكتر ستار ميرزاكوچكي

صرع يك اختلال گذراي عملكردي مغز است كه در اثر تخليه الكتريكي غير طبيعي در سلول هاي عصبي مغز يافت مي شود، لذا شناسايي زودرس و درست اين بيماري از اهميت بالايي برخوردار است. در اين بررسي داده هاي الكتروانسفالوگرافي به كار گرفته مي شوند. ابتدا، سيگنال هاي EEG، پيش پردازش مي شود تا كانال هاي معيوب شناسايي و حذف گردند. همچنين نويزها و آرتيفكت ها نويز كاهش يافته و سيگنال نهايي جهت پردازش اصلي آماده شود. در ادامه مدلي براي استخراج ويژگي هاي علي از اين سيگنال ارائه مي گردد. اين مدل مبتني بر ارتباطات موثر و علي انتخاب مي گردد. در اين پروژه ما از روش هاي تابع شباهت همدوسي، عليت گرنجر، انديس تاخير فاز و تابع انتقال مستقيم جهت دار؛ براي محسابه ارتباطات مغزي استفاده خواهيم كرد. تعداد ويژگي هاي قابل استخراج متناسب با تعداد كانال هاي سيگنال هاي الكتروانسفالوگرافي خواهد بود. سپس براي تجميع ماتريس ها، ماتريس ارتباطات هر 4 روش را با هم تجميع كرده و يك ماتريس براي ورود به شبكه كانولوشني مي سازيم. شبكه هاي عصبي ابزارهاي مفيدي با كاربردهاي متعدد مي باشند كه از اصلي ترين موارد استفاده از آنها، مي توان به تقريب توابع اشاره نمود، به همين دليل استفاده از اين ابزار به دليل طبقه بندي و تشخيص خودكار و سريع تر همواره مورد توجه و مورد استفاده بوده است، لذا در ادامه ي اين مطالعه با استفاده از شبكه عصبي، بيماران در دو دسته صرع كانوني و غير كانوني دسته بندي مي شوند. نتايج نشان مي دهد روش پيشنهادي، با صحت 97.60% در فاز آموزش، 94.40% در فاز اعتبارسنجي ، 95.40% در فاز آزمون و 96.81% در كل داده ها، نسبت به روش هاي ديگر، عملكرد بهتري را ارائه داده است

11/13/2024 12:00:00 AM

85229

1403/09/23

Identification of focal and non-focal epilepsy using deep learning method

صرع، صرع كانوني و غير كانوني، يادگيري عميق، ارتباطات مغزي، عليت گرنجر، شاخص تاخير فاز، شباهت همدوسي

Epilepsy, focal and non-focal epilepsy, deep learning, brain connections, Granger causality, phase lag index, coherence similarity