۸۲۵

Provides an Effective Method for Diagnosing Epileptic Disease Using Neural Networks

كارشناسي ارشد

مهندسي كامپيوتر

تهران شمال (شميرانات)

۱۳۹۷

۹۷/۶/۲۴

۱۸/۲۵

۸۲ص.

امير شاهي، بيتا

epilepsy,Imperialist Competitive Algorithm , neural network , radial base function

مهمترين مرحله درمان بيماري صرع، تشخيص زود هنگام و دقيق آن است. تشخيص بيماري صرع بر اساس سيگنال‌هاي ۱۰۰ كانال EEG صورت مي‌گيرد و پردازش داده‌هاي بيماري صرع به طور دستي براي پزشكان امكان ندارد(عموما بر اساس رفتار بيمار تشخيص داده مي‌شود) و يا بسيار پيچيده و طولاني است. بنابراين به كار بردن روش‌هاي هوشمندي كه بسيار سريع و تا حد قابل قبولي، قابل اعتماد باشند، مي‌تواند بسياري از اين مشكلات را حل كند. در اين پژوهش از شبكه عصبي تابع پايه شعاعي و الگوريتم بهينه‌سازي رقابت استعماري و همچنين از شبكه عصبي تابع پايه شعاعي بدون الگوريتم بهينه‌سازي و شبكه عصبي پس انتشار خطا براي تشخيص بيماري صرع و همچنين تشخيص نوع بيماري صرع(با تشنج يا بدون تشنج) استفاده شده است. بررسي‌ها بر روي داده‌هاي حاصل از سيگنال‌هاي EEG مغز صورت گرفت. بهترين نتايج در زمينه سالم يا بيمار بودن و همچنين تشنج داشتن يا نداشتن(نوع بيماري صرع) با استفاده از شبكه عصبي تابع پايه شعاعي و الگوريتم بهينه‌سازي رقابت استعماري بود كه به ترتيب داراي نتيجه ۱۰۰ و ۹۱/۹۹ درصد مي‌باشد. شايان ذكر است، از الگوريتم بهينه‌سازي رقابت استعماري براي انتخاب ويژگي استفاده شده و از شبكه عصبي تابع پايه شعاعي براي طبقه‌بندي داده‌ها استفاده گرديد.

52922