بزرگنمايي:
سرزمین ایرانیان- صابر حبیبی که این پژوهش در قالب پایان نامه
کارشناسی ارشد وی در رشته مهندسی پزشکی انجام شده است، گفت: بیش از 65
میلیون نفر در دنیا مبتلا به بیماری صرع هستند.
وی افزود: بنابراین وجود الگوریتمهای
پیشبینی کننده حملههای قریب الوقوع برای ایجاد هشدار قبل از وقوع
حملههای صرعی برای جلوگیری از وقوع حمله و یا کاهش صدمات وارده، لازم و
ضروری به نظر می رسد.
این پژوهشگر اظهار داشت: الکتروانسفالوگرام(EEG) ازجمله سیگنالهای حیاتی پرکاربرد برای پیشبینی حملههای صرعی است.
حبیبی عنوان کرد: روشهای پیشنهادشده در
مطالعات قبلی به دلیل وجود تفاوت در نوع حمله ها و همچنین کوتاهمدت بودن
ثبتها و عدم ارزیابی آماری نتایج بدست آمده، قابل اعتماد نبوده است.
وی اظهار داشت: برای غلبه به این محدودیت
ها، در این پژوهش، روش جامعی بر اساس استخراج ویژگیهای جدید از حالت های
پیش صرعی و غیرصرعی از سیگنالهای الکتروانسفالوگرام سطحی و انتخاب
ویژگیهایی با قابلیت جداپذیری بیشینه بین دادههای دو کلاس غیرصرعی و پیش
صرعی ارائهشده است.
این پژوهشگر گفت: آنتروپی فازی معیاری برای
محاسبه میزان بینظمی سیگنال است. از این ویژگی، در مطالعات قبلی برای
تحلیل سیگنالهای حیاتی مختلفی مانند EMG و ECG استفاده شده است. همچنین
در حوزه صرع نیز برای آشکارسازی حملههای صرعی به کار رفته است.
حبیبی ادامه داد: در این مطالعه، آنتروپی فازی برای پیشبینی حملههای صرعی به صورت بیمار به بیمار استفاده میشود.
وی افزود: ابتدا ویژگی آنتروپی فازی از ثبت های EEG سطحی چندکاناله، استخراج شده است.
این پژوهشگر اضافه کرد: مرحله انتخاب ویژگی و
طبقه بندی به دو قسمت انتخاب و طبقه بندی تک ویژگی و چندویژگی تقسیم شده
است. در رویکرد انتخاب و طبقه بندی تک ویژگی، با استفاده از ماتریس
پراکندگی، تک ویژگی که بیشترین جداپذیری میان کلاس پیش صرعی و غیرصرعی را
داشته انتخاب و با استفاده از آستانه گذاری طبقه بندی شده است.
حبیبی تاکید کرد: درصورتی که تک ویژگی
انتخاب شده نتایج پیش فرض(حساسیت بالای 66 درصد نرخ پیش بینی اشتباه کمتر
از 2/0) را نداشته باشد، رویکرد انتخاب و طبقه بندی ویژگی چندبعدی اتخاذ
شده است.
وی اضافه کرد: در رویکرد دوم، ویژگی های
چندبعدی از روی داده های آموزشی فرد، با الگوریتم SFS انتخاب و به طبقه بند
ماشین بردار پشتیبان با هسته RBF دادهشده است.
این پژوهشگر اضافه کرد: روش معرفیشده روی پایگاه داده CHB-MIT شامل ثبتهای سطحی از افراد با محدوده سنی 22-5.1 سال آزمایش شده است.
حبیبی گفت: درنهایت معیارهای ارزیابی مانند
حساسیت، نرخ پیشبینی اشتباه، میانگین زمان پیش بینی، مقدار p-value گزارش و
با مطالعات اخیر مقایسه شده است.
وی افزود: نتایج شبیه سازی ها نشان میدهد
که روش پیشنهادی در مقایسه با مطالعات اخیر از داده های پیش صرعی کمتری
برای آموزش استفاده کرده و به نتایج مشابه رسیده است.
این پژوهش با راهنمایی دکتر بابک محمدزاده اصل عضو هیات علمی دانشکده مهندسی برق و کامپیوتر انجام شده است