تشخیص اتوماتیک دوک های خواب با استفاده از دسته بندی کننده دو مرحله ای متشکل از ماشین بردار پشتیبان و شبکه های عصبی مصنوعی

دوک های خواب یکی از مهم ترین شکل موج های زودگذر در سیگنال EEG در حالت خواب می باشند. در اینجا، یک روش دو مرحله ای بر پایه ی شبکه های عصبی مصنوعی برای شناسایی اتوماتیک دوک خواب در یک سیگنال 19 کاناله ی EEG معرفی می شود که، در مرحله ی اول، از یک پرسپترون پیش طبقه بندی کننده به منظور افزایش کارایی کلی آشکارسازی و همچنین کاهش زمان محاسبه استفاده می گردد و در مرحله ی دوم، دوک های خواب منتخب، توسط یک شبکه ی عصبی مصنوعی پس طبقه بندی کننده، دسته بندی می شود. ابزارهای دسته بندی کننده در فرآیند پس طبقه بندی دو شبکه ی MLPو RBSVM بودند که عملکرد آنها در انتها مورد مقایسه قرار گرفت. بررسی دیداری سیگنال EEG 19 کاناله ثبت شده از شش سوژه، توسط یک متخصص تشخیص دوک های بصری خواب، نشان می دهد که عملکرد RBSVM نسبت به MLPبا آموزش پس انتشار خطا بهتر بوده و دارای حساسیت میانگین 4/91 % و آشکار سازی اشتباه 85/3 % است.