پیش بینی حملات صرعی با استفاده ازشبکه های ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ

سوره نیک صالحی¹

1) گروه مهندسی پزشکی بیوالکتریک-دانشکده برق و رایانه دانشگاه آزاد اسلامی واحد قزوین (باراجین)

محل انتشار : کنگره بین المللی علوم و مهندسی ژاپن - TOKYO(tuicet.com)
چکیده :
امروزه با رشد سریع سیستم های هوشمند و استفاده از آنها برای پیش بینی و یا تشخیص بیماری ها، این علم به یکی از حوزه های کاربردی هوش مصنوعی تبدیل شده است. به علت ارتباطات پیچیده مغزی در بیماری صرع، تحلیل های غیر محاسباتی پزشکان منجر به عدم کمک رسانی کافی به بیماران می¬شود. از طرفی به علت آشکار شدن حملات این بیماری در سیگنال های مغزی، پیش بینی و تشخیص این حملات از طریق دانش مهندسی امکان پذیر گشته که در سال های اخیر سهم بسزایی از مقالات علمی را در این حوزه به خود اختصاص داده است. بیماری صرع یک اختلال نورولوژیکی در مغز انسان است که در افراد با سنین مختلف تاثیرات منفی می گذارد و موجب بروز خطراتی مانند ترومای منجر به مرگ می شود . با توجه به شدت و نوع حملات صرعی،معمولا از ثبت سیگنالهای مغزی که الکتروانسفالوگرافی نامیده می شود، استفاده میکنند برای پیش بینی حمله صرعی نیاز به استخراج ویژگی های مناسب، پیش بینی و طبقه بندی سیگنال EEG و تشخیص حمله می باشد. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﯾﺞ، ﻋﻤﻠﮑﺮد ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ ﺑﺎ اﺳﺘﻔﺎده از آﺳﺘﺎﻧﻪ ﻫﺎي ﺗﻄﺒﯿﻘﯽ ﻋﻤﻮﻣﺎ از ﭘـﯿﺶ ﺑﯿﻨـﯽ ﮐﻨﻨـﺪه ﻫـﺎي ﺗﺼﺎدﻓﯽ و ﭘﺮﯾﻮدﯾﮏ ﺑﻬﺘﺮ ﺑﻮده اﺳﺖ. ﻟﺬا اﻣﮑﺎن ﭘﯿﺶ ﺑﯿﻨﯽ وﻗـﻮع ﺣﻤـﻼت ﺻـﺮﻋﯽ ﺑـﺎ اﯾـﻦ ﺷـﺒﮑﻪ ﻫـﺎ وﺟـﻮد دارد. ﺑﯿﺸﺘﺮﯾﻦ ﺣﺴﺎﺳﯿﺖ در ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺎ ﺷﺒﮑﻪ ي MLP ﺑﺎ ورودي ﺳﯿﮕﻨﺎل ﮐﺎﻫﺶ ﻧﺮخ ﻧﻤﻮﻧـﻪ ﺑـﺮداري ﺷـﺪه و آﺳـﺘﺎﻧﻪ ﺗﻄﺒﯿﻘﯽ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ. در اﯾﻦ ﺣﺎﻟﺖ اﻣﮑﺎن ﭘﯿﺶ ﺑﯿﻨﯽ ﺣﻤﻠﻪ ﺑﻪ ﻃﻮر ﻣﺘﻮﺳﻂ ﺑﺎ ﺣﺴﺎﺳﯿﺖ ﺣﺪود %48 وﺟـﻮد دارد. ﭘﺲ از آن ﺷﺒﮑﻪ اﻟﻤﻦ ﺑﺎ ورودي ﺳﯿﮕﻨﺎل ﮐﺎﻫﺶ ﻧﺮخ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﺪه ﺑﺎ اﺳـﺘﻔﺎده از آﺳـﺘﺎﻧﻪ ﺗﻄﺒﯿﻘـﯽ ﻗـﺮار دارد ﮐﻪ ﺑﻪ ﻃﻮر ﻣﺘﻮﺳﻂ ﺑﺎ ﺣﺴﺎﺳﯿﺖ ﺣﺪود %46 ﻣﯽ ﺗﻮاﻧﺪ ﺣﻤﻠﻪ را ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻨﺪ. از ﻣﻨﻈﺮ دﺳﺘﻪ ﺑﻨﺪي ﻧﻮع ﺑﯿﻤﺎري، ﭘﯿﺶ ﺑﯿﻨﯽ وﻗﻮع ﺣﻤﻠـﻪ در ﺑﯿﻤـﺎراﻧﯽ ﮐـﻪ ﺻـﺮع آﻧﻬـﺎ از ﻧـﻮع SP,CP,GTC ﺑـﻮده ﻣﻮﻓﻖ ﺗﺮ ﺑﻮده اﺳﺖ. در ﺗﺤﻠﯿﻞ اﯾﻦ دﺳﺘﻪ از ﺑﯿﻤﺎران ﺑﺎ ﺷﺒﮑﻪ ﻫﺎي ﻣﺨﺘﻠﻒ و آﺳﺘﺎﻧﻪ ﻫﺎي ﻣﺘﻔﺎوت، ﺑـﻪ ﻃـﻮر ﻣﻌﻤـﻮل در ﺑﯿﺶ از ﯾﮏ ﺳﻮم ﺗﺤﻠﯿﻞ ﻫﺎ ﻋﻤﻞ ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﻬﺘﺮ از ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻨﻨﺪه ﻫﺎي ﺗﺼﺎدﻓﯽ و ﭘﺮﯾﻮدﯾﮏ ﺑﻮده اﺳﺖ.
کلمات کلیدی : ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﭘﯿﺶ ﺑﯿﻨﯽ ﺣﻤﻠﻪ ﺻﺮع