>
Fa   |   Ar   |   En
   شناسایی خودکار مراحل خواب از سیگنال Eeg تک‌کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم تبرید و شبکه‌ی عصبی  
   
نویسنده شیخی‌وند سبحان ,یوسفی رضایی توحید ,موسوی زهره ,مشگینی سعید
منبع مهندسي پزشكي زيستي - 1396 - دوره : 11 - شماره : 4 - صفحه:313 -325
چکیده    در سال‌های اخیر، استفاده از روشی هوشمند برای تشخیص خودکار مراحل خواب در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه و تحلیل داده‌های خواب از طریق بازرسی بصری، یکی از چالش‌های مهم به حساب می‌آید. در این مقاله، الگوریتمی مبتنی بر eeg تک‌کاناله برای شناسایی خودکار مراحل خواب، با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم تبرید و شبکه‌ی عصبی ارائه می‌شود. سیگنال با استفاده از تبدیل موجک گسسته به 7 سطح تجزیه‌ شده و ویژگی‌های آماری از هر یک از سطوح تجزیه شده، استخراج ‌می‌گردد. جهت بهینه‌سازی و کاهش ابعاد بردارهای ویژگی، از یک مدل ترکیبی الگوریتم تبرید و شبکه‌ی عصبی چندلایه‌ی پس انتشار خطا استفاده شده، و سپس از آزمون anova برای تائید صحت ویژگی‌های بهینه استفاده می‌شود. طبقه‌بندی نهایی روی این ویژگی‌های بهینه‌شده توسط یک شبکه‌ی عصبی پرسپترون با یک‌لایه‌ی پنهان انجام می‌شود، که به طور میانگین برای طبقه‌بندی 2کلاس تا 6کلاس مراحل مختلف خواب دقت بالای 90% را فراهم کرده و نشان می‌دهد که روش پیشنهادی درصد موفقیت بالاتری در طبقه‌بندی مراحل خواب نسبت به پژوهش‌های پیشین دارد.
کلیدواژه تبدیل موجک گسسته، شناسایی خودکار مراحل خواب، الگوریتم تبرید، شبکه‌ی عصبی
آدرس دانشگاه تبریز, دانشکده‌ی مهندسی برق و کامپیوتر, گروه مهندسی پزشکی, ایران, دانشگاه تبریز, دانشکده‌ی مهندسی برق و کامپیوتر, گروه مهندسی پزشکی, ایران, دانشگاه تبریز, دانشکده‌ی مهندسی مکانیک, گروه مهندسی مکانیک, ایران, دانشگاه تبریز, دانشکده‌ی مهندسی برق و کامپیوتر, گروه مهندسی پزشکی, ایران
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved