این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۳، شماره ۴، صفحات ۲۹-۴۲
عنوان فارسی تشخیص صرع در سیگنال EEG با استفاده از الگوریتم ابتکاری صفحات شیبدار(IPO)
چکیده فارسی مقاله طبق مطالعات انجام شده، در حدود یک درصد از مردم دنیا از صرع رنج میبرند. اولین مرحله از درمان صرع، تشخیص صحیح آن است. یکی از راه های تشخیص صرع، آنالیز دقیق الکتروانسفالوگرافی(EEG) است. بدین منظور، روش های مختلفی جهت تشخیص خودکار صرع بوسیله تحلیل سیگنال EEG ارائه شده است. در این مقاله با استفاده از یک الگوریتم هوشمند و ابتکاری جدید به نام الگوریتم بهینه سازی صفحات شیبدار(IPO)، به تشخیص و جداسازی سیگنال EEG آغشته به صرع از سیگنال های افراد سالم پرداخته ایم. به دلیل خاصیت غیرخطی و ناایستای سیگنال EEG، از تبدیل ویولت جهت استخراج ویژگی های سیگنال بهره گرفته شده است سپس با استفاده از ویژگی های استخراج شده توسط تبدیل ویولت و اعمال آن به سیستم مبتنی بر الگوریتم IPO به تشخیص صرع پرداخته شده است. با استناد به پژوهش انجام شده، مشخص شد که الگوریتم ابتکاری IPO توانایی بالایی در تشخیص صحیح صرع در سیگنال EEG دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Epileptic seizure detection using Inclined Planes system Optimization algorithm(IPO)
چکیده انگلیسی مقاله About 1% of the people in the world suffer from epilepsy. The first stage of the treatment of epilepsy is the accurate diagnosis. One way to diagnose epilepsy is the precise analysis of EEG signals. Therefore various techniques have been proposed in the literature for the detection of epileptic seizures in EEG signals. In this article, we have distinguished and separated the epileptic EEG signals from the normal EEGs, by using a new intelligent and heuristic algorithm, called Inclined Planes system Optimization. We used wavelet transform for extracting features, because of nonlinear and non-stationary properties of the EEG signals. Then we diagnosed epilepsy, by using extracted features from wavelet transform and implement them on IPO algorithm. According to this study, we found out the IPO has got a high ability to diagnosis epilepsy in complicated and non-stationary EEG signals.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدرضا اسماعیلی | mohammad reza esmaeili
birjand, university of birjand, faculty of electrical and computer, department of electrical engineering
بیرجند، دانشگاه بیرجند، دانشکده برق و کامپیوتر، گروه برق الکترونیک
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

سید حمید ظهیری | seyed hamid zahiri
birjand, university of birjand, faculty of electrical and computer, department of electrical engineering
بیرجند، دانشگاه بیرجند، دانشکده برق و کامپیوتر، گروه برق الکترونیک
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-508-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-402466.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات