14879

بررسي روش ھاي پيش بيني بيماري صرع با سيگنال الكتروانسفالوگرام

1403

دكتر علي صدر

صرع يكي از شايع‌ترين اختلالات عصبي مزمن است كه با بروز حملات ناگهاني و غيرقابل پيش‌بيني مشخص مي‌شود. پيش‌بيني به‌موقع اين حملات مي‌تواند نقش مهمي در افزايش كيفيت زندگي بيماران، به‌ويژه در محيط‌هاي واقعي و كاربردي مانند سيستم‌هاي پوشيدني، ايفا كند. با توجه به پيچيدگي الگوهاي الكتروانسفالوگرافي ( EEG) و ماهيت غيرخطي و غيرايستا بودن آن‌ها، استفاده از روش‌هاي پردازش سيگنال و الگوريتم‌هاي يادگيري ماشين (( ML و يادگيري عميق (( DL به‌عنوان ابزارهايي قدرتمند در تشخيص و پيش‌بيني صرع گسترش يافته است. اين گزارش، مروري ساختاريافته بر مراحل مختلف پيش‌پردازش سيگنال EEG، استخراج ويژگي‌ها در حوزه‌هاي زمان، فركانس و زمان–فركانس، استفاده از مدل‌هاي كلاسيك و مبتني بر شبكه‌هاي عصبي(( NN، و در نهايت روش‌هاي پس‌پردازش براي پايدارسازي خروجي مدل ارائه مي‌دهد. همچنين در اين مطالعه، بر نقش حياتي پايگاه‌هاي داده معتبر، معيارهاي ارزيابي عملكرد نظير AUC ، و انتخاب مناسب‌ترين روش‌ها براي كاربردهاي بلادرنگ تأكيد شده است. نتايج حاصل از بررسي منابع معتبر نشان مي‌دهد كه بهره‌گيري هوشمندانه از اين روش‌ها مي‌تواند گامي مؤثر در جهت توسعه سامانه‌هاي تشخيص زودهنگام حملات صرعي بردارد و زمينه‌ساز به‌كارگيري گسترده آن‌ها در سامانه‌هاي سلامت‌محور آينده باشد.

5/28/2025 12:00:00 AM

87025

1404/04/14

Analysis of Methods of Predicting Epilepsy with EEG Signal

پيش‌بيني حملات صرع،پردازش سيگنال، استخراج ويژگي، يادگيري ماشين، ويژگي‌هاي حوزه زمان و فركانس، پس‌پردازش، داده‌هاي پزشكي

EEG، Deep Neural Networks، CNN، LSTM