تشخيص مراحل خواب با كمك جنگل تصادفي و ويژگي هاي فركانسي استخراج شده از سيگنال هاي EEG و EOG

تشخيص مراحل خواب يك فرايند مهم براي تحليل خواب و همچنين تشخيص بسياري از اختلالات مرتبط با خواب مي باشد. از سوي ديگر دسته بندي مستقيم مراحل خواب توسط فرد متخصص و آموزش ديده با استفاده از بررسي چشمي نيز كاري سخت و زمانبر بوده و تا حدودي نيز در معرض خطاي انساني تكنسين مربوطه است. از همين رو تشخيص خودكار مراحل خواب توسط سيستمهاي كامپيوتري مورد توجه پژوهشگران بوده است. در اين پژوهش با استفاده از تكنيك يادگيري ماشين روشي خودكار براي تشخيص مراحل خواب ارائه شده است. روش ارائه شده صرفاً بر پايه ويژگي هاي فركانسي استخراج شده از سيگنال مغز كار مي كند. آزمايشهاي انجام شده در اين پژوهش شامل استفاده از دو كانال سيگنال EEG و يك كانال سيگنال EOG مي باشد. نتايج آزمايشهاي انجام شده نشان مي دهد استفاده از ويژگي-هاي فركانسي در كنار الگوريتم طبقه بنديِ جنگل تصادفي دقت بالايي در فرايند تشخيص مراحل خواب به همراه دارد. به ويژه هنگامي كه سيگنالهاي EEG و EOG در كنار هم مورد استفاده قرار گيرند نتايج الگوريتم دسته بندي دقيق تر خواهد بود.