استفاده از ماشین های بردار پشتیبانی به عنوان یک الگوریتم هوشمند برای تشخیص تشنج از سیگنال های EEG

الکتروانسفالوگرافی (EEG) متداول ترین روش برای مطالعه عملکرد مغز است. این مقاله یک مدل رایانه ای برای تمایز بین افراد صرعی و سالم با استفاده از سیگنال های EEG با دقت نسبتا بالا ارایه می دهد.

پایگاه داده EEG مورد استفاده در این مطالعه از داده های موجود در Andrzejak گرفته شده است. این مجموعه داده متشکل از 5 مجموعه سیگنال های EEG (مشخص شده از A تاE) است که هر یک شامل 100 بخش EEG می باشد. مجموعه های A و B شامل سیگنال های EEG هستند که از 5 داوطلب سالم گرفته شده اند. مجموعه های C و D به EEG های بیماران مبتلا به صرع کانونی (بدون ضبط ictal) می باشند و مجموعه E از یک بیمار با ضبط ictal گرفته شده است. ماشین های بردار پشتیبان پس از استفاده از تجزیه و تحلیل مولفه های اصلی یا تجزیه و تحلیل تفکیکی خطی از ویژگی های سیگنال ها استفاده شدند. نرم افزار متلب برای پیاده سازی و آزمایش الگوریتم طبقه بندی پیشنهادی استفاده شده است. برای ارزیابی روش پیشنهادی، ماتریس سردرگمی، میزان موفقیت کلی، منحنیROC  و AUC هر کلاس استخراج شد. برای تایید نتایج از روش اعتبارسنجی متقابل K برابر استفاده شد.

میزان موفقیت کلی به دست آمده در این مطالعه بالاتر از 82 درصد بود. الگوریتم های کاهش ابعاد می توانند دقت و سرعت آن را بهبود بخشند. نتیجه گیری: پیش بینی دقیق و زود هنگام وقوع تشنج بسیار مفید است. استفاده از مدل رایانه ای ارایه شده در این مطالعه می تواند این هدف را محقق سازد.