تشخيص صرع به‌ كمك ارزيابي‌هاي كيفي و كمّي آشوب‎گون سيگنال‎هاي مغزي

Epilepsy Recognition using Chaotic Qualitative and Quantitative Evaluation of EEG Signals

هدف: صرع يكي از بيماري هاي سيستم اعصاب مركزي است كه فرد مبتلا را در طول يك دوره زماني دچار تشنج هاي ناگهاني ميكند. روش: يكي از مسايل مهم در آموزش سيستم شناخت، تهيه ي داده ي مطلوب است كه در ادامه به كمك تحليل كيفي آشوب‎گون و نظر افراد خبره برچسب زني صحيح آن بررسي و سپس ويژگي هاي آشوب‎گون نظير بُعد فركتال، بزرگ‎ترين نماي لياپانوف و نماي هرست استخراج مي شود. براي تفكيك دسته‎هاي مختلف از يكديگر، اين ويژگي‎ها به دسته‎بندي كننده ي بيزين داده مي‎شوند. يافته ها: نتايج نشان مي دهدكه سيگنال مغزي EEG داراي رفتاري آشوب‎گون است و در حالت حمله كمينه ي بُعد بازسازي‎ و به دنبال آن پيچيدگي كاهش مي يابد. همچنين نتايج حاكي از آن است كه دو دسته ي طبيعي و پيش‎حمله‎اي با متوسط صحت 2/99درصد و دو دسته ي طبيعي و ‎حمله اي با متوسط صحت 7/99درصد و دو دسته ي پيش حمله اي و ‎حمله اي با متوسط صحت 1/97درصد از يكديگر تفكيك شده اند. نتيجه‎گيري: به‎نظر مي‌رسد تحليل آشوب گون يكي از روش‎هاي مفيد در بازيابي رفتار مغز در تشخيص حالت‎هاي صرعي باشد.

Introduction: Epilepsy is a disease of the central nervous system presenting by sudden convulsive attacks over a period of time. Method: A key issue in recognition systems is optimal data acquisition as well as accurate labeling based on chaotic qualitative analyses and confirmatory annotations using expert eyes. To this end, chaotic features such as Petrosian fractal dimension, largest Lyapunov exponent and Hurst exponent were used in this investigation. Such features were submitted to the Bayesian classifier in order to have different categories seperated. Results: Our findings confirmed a chaotic behavior in EEG with minimum embedding dimension reduced in ictal state. Similarly, the complexity of the ictal state was reduced. In addition, our results indicated an average classification accuracy of 99.2% for normal vs. pre-ictal states; the average classification accuracy is 99.7% for the normal vs. ictal states and the average classification accuracy is 97.1% for the pre-ictal vs. ictal states. Conclusion: Chaotic analysis appears to serve as a useful method in representation and recognition of the brain activities in epileptic states