پردازش سیگنال های الکتروآنسفالوگرافی به منظور تشخیص انواع تشنجات صرعی پتی مال وگراندمال با استفاده از شبکه های عصبی مصنوعی

چکیده: تشنج مهم ترین تظاهر بیماری صرع بوده و آنالیز دقیق آن نیز از طریق انجام الکتروآنسفالوگرافی امکان پذیراست. به وسیله آشکار سازی دشارژهای صرعی شکل (امواج سوزنی) امکان تشخیص بیماری صرع در سیگنال EEG وجود دارد. یک درصد افراد در زندگیشان این بیماری را تجربه می کنند. پیش از این قابلیت تشخیص هوشمندانه امواج سوزنی بررسی شده اما هدف این تحقیق تشخیص صرع های پتی مال (غایب) و گراندمال از طریق پردازش سیگنال های EEG توسط سیستم هوشمند (شبکه عصبی) می باشد.
در این مقاله توصیفی از تعداد 100 عدد سیگنال EEG مربوط به افراد مختلف در شرایط سلامت، فواصل تشنج و درحین تشنج مربوط به دو نیمکره مغزی استفاده شده است. با استفاده از تکنیک های نرم افزاری نویز50 هرتزو آرتیفکت آن حذف شده سپس توسط نرولوژیست این سیگنال ها به سه دسته سالم، تشنجات صرعی پتی مال (تپیک 3 هرتز) وگراندمال (درفازکلونیک با فرکانس 4 هرتز) به قطعات 6 ثانیه جداسازی شده است. اطلاعات این سیگنال ها شامل امواج سوزنی-آهسته، پلی اسپایک و پلی شارپ می باشد که استخراج و توسط تکنیک های نرم افزاری شبکه های عصبی به سه دسته سالم، پتی مال و گراندمال طبقه بندی گردیده است.
روش کار الکتروانسفالوگرافی، صرع پتی مال، صرع گراندمال، صرع غایب در نرم افزار طراحی شده، دقت تشخیص صرع های پتی مال و گراندمال در حدود 80 درصد می باشد.
به علت پیچیدگی در امواج مغزی و سختی تشخیص دیداری نوار مغزی این روش کمک زیادی در تشخیص بیماری صرع به پزشکان می کند. این پژوهش فعلا برای تشخیص دو نوع صرع شایع به کار رفته و قابل گسترش به انواع مختلف صرع می باشد.