پیش گویی حملات صرعی در بیماران با صرع لوب تمپورال (TLE) بر اساس آنالیز کپستروم و مدل AR تعمیم یافته سیگنال EEG

با توجه به اینکه تشنج‏ها موجب اختلال در هوشیاری بدون پیش آگاهی می‏شود، پیش بینی آن‏ها می‏تواند باعث کاهش فشار روانی و بهبود کیفیت زندگی شود. در این مقاله، امکان پیش بینی کوتاه مدت حمله صرع بدون حذف مصنوعات ، با زمان و دقت مناسب با استفاده از مدل AR و کپستروم بهبود یافته بررسی شده است. ابتدا سیگنال EEG با تبدیل موجک، به دلیل تفاوت فرکانس حمله ‏ها و مصنوعات هر بیمار با بیمار دیگر تفکیک می‏شود. سپس تشخیص تغییرات دوره حمله با استفاده از مدل‏سازی AR و روش کپستروم به دلیل متناوب بودن دامنه و فرکانس این دوره، انجام می‏پذیرد. در مرحله بعد با مقایسه دوره جاری با دوره پس‏زمینه و اعمال فیلتر میانه، خطای ناشی از مصنوعات (Artifact) و تخلیه‏های میان حمله‏ای کاهش داده می‏شود. در نهایت سیگنال با روش پنجره پیشرو متوسط‏گیری شده و منحنی پوش بالای نمودار محاسبه می‏شود. روش پیشنهادی روی مدل پیشنهادی صرعی بزرگسال و همچنین 10 بیمار با داده‏های EEG طولانی مدت بدون حذف مصنوعات بررسی شده است. دقت و مقدار متوسط زمان پیش بینی، به ترتیب 92% ، 5/18 ثانیه بدست آمده است.