تحليل سيگنال هاي مغزي به منظور تشخيص شروع تشنج صرع با رويكرد ويولت و يادگيري نيمه نظارتي

تشنج مهم ترين نشانه بيماري صرع بوده و آناليز دقيق آن از طريق انجام الكتروآنسفالوگرافي امكان پذيراست. سيگنال الكتروآنسفالوگرام نقش بسزايي در تشخيص بيماري صرع ايفا مي كند. هدف اين پژوهش آشكارسازي تخليه هاي صرعي از سيگنال الكتروانسفالوگرام در كمترين زمان ممكن و در نتيجه تشخيص حملات با استفاده از داده هاي مغزي ثبت شده از افراد سالم و مبتلا به صرع ميباشد. در اين مقاله از انحراف معيار و قدرت طيفي سيگنال حاصل از تجزيه ويولت به عنوان ويژگيهاي اصلي و از يادگيري نيمه نظارتي و شبكه عصبي مصنوعي چند لايه به عنوان طبقه بند استفاده شده است. استفاده از اين روش براي مواردي كه داده هاي برچسب نخورده با تعداد زياد و داده هاي برچسب خورده كم مي باشند، كه در حوزه پزشكي معمولا اين شرايط وجود دارد، مناسب ميباشد. مقايسه بين عملكرد دو طبقه بند نيمه نظارتي و باناظر نشان مي دهد كه با ويژگيهاي استخراج شده، طبقه بند نيمه نظارتي از نظر درصد صحت تشخيص با طبقه بند باناظر برابري مي كند.