در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

پایان نامه برای دریافت درجه کارشناسی ارشد

مهندسی برق – الکترونیک

عنوان:

آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده
الکتروانسفالوگرام (EEG) که برای نمایش فعالیت الکتریکی مغز بهره گیری می گردد، ابزار کلینیکی مناسبی برای تشخیص بی نظمی های مربوط به صرع می باشد. آشکارسازی spikeهای صرعی تأثیر بسیار مهمی در تشخیص صرع اعمال می کند. در این پروژه، طراحی و پیاده سازی سیستم تشخیص spikeهای صرعی با بهره گیری از روش ترکیبی تبدیل موجک گسسته و شبکه عصبی Fuzzy ARTMAP ارائه شده می باشد. در این پژوهش، از تبدیل موجک برای استخراج ویژگی سیگنال EEG بهره گیری شده می باشد و توانایی این ویژگی ها در طبقه بندی رخدادهای موجود در سیگنال EEG مطالعه شده می باشد. کار طبقه بندی با بهره گیری از شبکه عصبی Fuzzy ARTMAP انجام شده می باشد. دلیل بهره گیری از شبکه Fuzzy ARTMAP، عدم فراموشی و یادگیری سریع و عملکرد مناسب این شبکه در مسائل طبقه بندی می باشد. عملکرد سیستم طبقه بندی کننده ارائه شده در این پروژه با بهره گیری از سه معیار حساسیت، قابلیت تفکیک و گزینش پذیری ارزیابی می گردد.
مقدمه
علیرغم اینکه 40 سال از فعالیت و مطالعه در زمینه فیزیولوژی صرع می گذرد، هنوز آشکارسازی و پیشگویی آن در حال مطالعه می باشد اما نشان داده شده می باشد که آشکارسازی تخلیه های نرونی صرعی یعنی spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع می باشد. در زمینه پردازش سیگنال های حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حرارتی و اعمال یک روش طبقه بندی بر روی ویژگی های استخراج شده می باشد. در این پروژه، برای استخراج ویژگی های spike های صرعی از تبدیل موجک و یکسری تحلیل های زمانی و فرکانسی و برای طبقه بندی الگوهای موجود در EEG از شبکه عصبی Fuzzy ARTMAP بهره گیری شده می باشد. تبدیل فوریه و سایر روش های تحلیل زمان – فرکانس مانند تبدیل فوریه کوتاه مدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب اقدام نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد، تبدیل موجک به خوبی می تواند هر دو نوع نوسان را نشان دهد. با تحقیقاتی که در زمینه تشخیص صدای قلب، تحلیل ECG و EEG به اقدام آمده می باشد، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده می باشد.
در فصل اول به معرفی سیگنال EEG و ویژگی های ظاهری، چگونگی ضبط و اندازه گیری سیگنال EEG، فرکانس های سیگنال EEG، نرخ نمونه برداری و بعضی اغتشاشات و آشفتگی ها در ثبت سیگنال EEG پرداخته می گردد. در فصل دوم روش های مختلف آشکارسازی spikeهای صرعی مورد مطالعه قرار گرفته می باشد و نتایج بعضی کارهای انجام گرفته روی EEG گردآوری شده می باشد. فصل سوم به معرفی تبدیل موجک به عنوان روشی برای استخراج ویژگی پرداخته شده می باشد. با مطالعه این فصل می توان مقایسه ای بین تبدیل فوریه و تبدیل موجک انجام داد، همچنین می توان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در انتهای این فصل نیز، چند موجک معرفی شده اند. در فصل چهارم توضیحاتی در خصوص شبکه های عصبی MLP و ARTMAP و Fuzzy و چگونگی آموزش این شبکه ها ارائه شده می باشد. در فصل پنجم در خصوص داده های آموزش و آزمون، استخراج ویژگی و چگونگی پیش پردازش این داده ها و روش پیاده سازی سیستم آشکارسازی spike های صرعی تبیین داده شده می باشد. فصل ششم در برگیرنده نتایج حاصل از این پروژه و مقایسه بین عملکرد شبکه های MLP و ARTMAP و Fuzzy می باشد و در انتهای فصل نیز پیشنهادات ارائه شده می باشد.
تعداد صفحه : 100
قیمت : 14700 تومان

 

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه ارشد کارشناسی ارشد رشته مهندسی برق الکترونیک گرایش قدرت:مدیریت انرژی خوشه‌ایِ بارهای متصل‌به‌همِ پاسخگو به قیمت با رویکرد کارایی و برابری

***

—-

پشتیبانی سایت :       

****         serderehi@gmail.com

دسته‌ها: مهندسی برق

دیدگاهتان را بنویسید