پیش بینی حملات صرع از طریق پردازش سیگنال EEG با استفاده از شبکه های عصبی فازی تطبیقی

بیماری صرع، نوعی اختلال عصبی است که در اثر اختلال در سلول های عصبی مغز ایجاد شده و منجر به ایجاد حملات مکرر در فرد می شود. پیش بینی زمان رخداد حمله در این بیماران بسیار حائز اهمیت است؛ بدین منظور در این پژوهش، به بررسی پیش بینی حملات صرع قبل از وقوع با استفاده از سیگنال های EEG پرداخته شده است. سیگنال EEG در حوزه زمان تجزیه و تحلیل شده و ویژگی های مختلف خطی و غیرخطی از هر زیر باند مغزی استخراج شده است. در نهایت، پس از ترکیب و یافتن بهترین ویژگی ها با استفاده از آزمون آماری او روش انتخاب ویژگی متوالی بهترین ویژگی ها انتخاب شده و در مرحله آخر طبقه بندی توسط سه روش ماشین بردار پشتیبان با کرنل خطی، نزدیک ترین k همسایه و شبکه عصبی- فازی تطبیقی انجام شده است. به منظور ارزیابی نتایج و بررسی کارایی سیستم سه معیار صحت، حساسیت و اختصاصیت استفاده گردید. در نهایت مشاهده شد که استفاده از ویژگی های ترکیبی خطی غیر خطی کارایی بسیار بالایی داشته و صحت نهایی به دست آمده در پیش بینی حمله ۶ دقیقه قبل از وقوع آن ۱۰۰٪ به دست آمده است