شیوا خشنود - دانشجوی دکتری، دانشکده مهندسی برق، دانشگاه صنعتی سهند، تبریز، ایران
موسی شمسی - عضو هیات علمی، دانشکده مهندسی برق، دانشگاه صنعتی سهند، تبریز، ایران

بیماری صرع به عنوان یک اختلال نورولوژیکی که در آن بیمار از دشارژهای مداوم رنج می برد تقریبا 1% کل جمعیت جهان را در برگرفته است. با توجه به اینکه تشخیص درست و با دقت این بیماری از ارزش و اهمیت حیاتی برخوردار است، الگوریتم های بسیاری در این زمینه ارایه شده که در آن از سیگنال های مغزی که نمودی از فعالیت الکتریکی مغز است برای تفکیک استفاده می کنند. هدف از این مقاله ارایه یک سیستم طبقه بندی کننده مبتنی بر ویژگی ضرایب پیشگویی خطی و ماشین های بردار پشتیبان به منظور تشخیص و دسته بندی درست سیگنال های مغزی افراد با بیماری صرع و افراد سالم است که در کنار سادگی، سرعت و قابلیت تفکیک بالایی نیز داشته باشد. روند کار بدین گونه است که در ابتدا سیگنال های الکتروانسفالوگرام وارد بلوک پیش پردازش می شوند. پس از انجام عملیات پیش پردازش و حذف نویز، ضرایب پیشگویی خطی استخراج شده از این سیگنال ها، به عنوان ورودی به بلوک طبقه بندی کننده وارد می شود. در نهایت، از دسته بندی کننده ماشین های بردار پشتیبان به منظور تفکیک سیگنال های مغزی صرع از سیگنال های سالم استفاده شده است. نتایج بدستآمده راندمان و کارایی بالای این الگوریتم در تفکیک این دو گروه را نشان می دهد.

صرع، طبقه بندی، ضرایب پیشگویی خطی، ماشین های بردار پشتیبان