AIS-RCA: روشی موثر برای بهبود فضای ویژگی ها در افزایش دقت تشخیص حملات صرع

پیش بینی زمان وقوع حملات صرع در بیماران از جمله موضوعاتیست که مورد توجه محققان است. حملات صرع به طور نامنظم و غیر قابل پیش بینی شده ای اتفاق می افتند. بنابراین تشخیص حملات صرع از روی سیگنال های EEGکه در بازه زمانی طولانی گرفته می شوند؛ بسیار حایز اهمیت است. این امر تشخیصی به دو مرحله مجزای استخراج ویژگی ها از قطعات سیگنال EEGو اعمال الگوریتم طبقه بندی بر روی بردارهای ویژگی تقسیم می شود. به همین منظور در مرحله اول با استفاده از تحلیل زمان- فرکانس بر روی قطعات سیگنال EEGو به دست آوردن صفحه زمان- فرکانس هر قطعه، استخراج ویژگی ها از سیگنال ها انجام می شود. در مرحله دوم با استفاده از الگوریتم نزدیک ترین همسایه کار تشخیص حملات صورت می گیرد. اما قبل از اعمال الگوریتم طبقه بندی، برای اصلاح فضای ویژگی ها و یادگیری معیار فاصله، از الگوریتم AIS-RCAاستفاده شده است. این الگوریتم برای به دست آوردن ماتریس تبدیل W، داده ها را به صورت مجموعه ای از دسته ها در نظر می گیرد و با ارایه الگوریتم جدید AD-AIRSو با الهام گرفتن از سیستم ایمنی بدن دسته ها را می یابد. آزمایش های انجام شده نشان دهنده دقت 100% و بهبود نتایج در مقایسه با برخی روش های انتقال موجک، آنتروپی، معیار بی نظمی و تبدیل انتقال فوریه سریع را نشان می دهد.