>
Fa   |   Ar   |   En
   شناسایی خودکار مراحل خواب از سیگنال Eeg تک‌کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی مبتنی بر طبقه بند Rusboost  
   
نویسنده شیخی‌وند سبحان ,قائمی سحرانه
منبع مهندسي پزشكي زيستي - 1398 - دوره : 13 - شماره : 3 - صفحه:209 -222
چکیده    طبقه‌بندی خودکار مراحل خواب به منظور تشخیص به موقع اختلالات و مطالعات مرتبط با خواب امری ضروری است. در این مقاله یک الگوریتم مبتنی بر eeg تک‌کاناله برای شناسایی خودکار مراحل خواب با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی مبتنی بر طبقه‌بند rusboost ارائه شده است. سیگنال با استفاده از تبدیل موجک گسسته به چهار سطح تجزیه‌ شده و ویژگی‌های آماری از هر یک از این سطوح استخراج شده است. جهت بهینه‌سازی و کاهش ابعاد بردارهای ویژگی، از یک مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی چندلایه‌ی پس‌انتشار خطا استفاده شده و سپس از آزمون anova برای تایید صحت ویژگی‌های بهینه بهره گرفته شده است. طبقه‌بندی نهایی روی این ویژگی‌های بهینه شده توسط طبقه‌بند rusboost صورت گرفته و مشاهده شده است که به طور میانگین صحت طبقه‌بندی 2 تا 6کلاس مراحل مختلف خواب بالای 90% بوده که نشان دهنده‌ی درصد موفقیت بالاتر روش پیشنهادی در طبقه‌بندی مراحل خواب نسبت به پژوهش‌های پیشین می‌باشد.
کلیدواژه تبدیل موجک گسسته ,شناسایی خودکار مراحل خواب ,الگوریتم بهینه‌سازی کلونی مورچگان ,Rusboost
آدرس دانشگاه تبریز, دانشکده‌ی مهندسی برق و کامپیوتر, گروه مهندسی پزشکی, ایران, دانشگاه تبریز, دانشکده‌ی مهندسی برق و کامپیوتر, گروه مهندسی کنترل, ایران
پست الکترونیکی ghaemi@tabrizu.ac.ir
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved