استفاده از IMFs نرمال شده برای تشخیص تشنج صرعی در سیگنالهای EEG
ترجمه نشده

استفاده از IMFs نرمال شده برای تشخیص تشنج صرعی در سیگنالهای EEG

عنوان فارسی مقاله: تشخیص تشنج صرعی در سیگنالهای EEG با استفاده از IMFs نرمال شده در دامنه CEEMDAN و دسته بند تفکیک کننده درجه دوم
عنوان انگلیسی مقاله: Epileptic seizure detection in EEG signals using normalized IMFs in CEEMDAN domain and quadratic discriminant classifier
مجله/کنفرانس: کنترل و پردازش سیگنال زیست پزشکی - Biomedical Signal Processing And Control
رشته های تحصیلی مرتبط: پزشکی، مهندسی پزشکی
گرایش های تحصیلی مرتبط: مغز و اعصاب، پردازش تصاویر پزشکی، انفورماتیک پزشکی
کلمات کلیدی فارسی: تشنج صرعی، نوار مغزی، EEMDAN، نرمالیزه کردن حداکثر، دسته بند تفکیک کننده درجه دوم
کلمات کلیدی انگلیسی: Epileptic seizure، EEG، CEEMDAN، Max normalization، Quadratic discriminant classifier
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.bspc.2019.101833
دانشگاه: Electrical and Electronic Engineering, Bangladesh University of Engineering and Technology, Dhaka, Bangladesh
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2020
ایمپکت فاکتور: 3/830 در سال 2019
شاخص H_index: 51 در سال 2020
شاخص SJR: 0/711 در سال 2019
شناسه ISSN: 1746-8094
شاخص Quartile (چارک): Q2 در سال 2019
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14938
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Methodology


3- Results and discussion


4- Conclusions


References

نمونه متن انگلیسی مقاله

Abstract


Epilepsy is the fourth most common neurological disorder that manifests itself through unprovoked seizures, detection of which is the very first step of proper diagnosis and treatment of this severe disease. In this paper, an automated seizure detection method has been proposed based on the statistical and spectral features of max normalized intrinsic mode functions or IMFs that were extracted using complete ensemble empirical mode decomposition with adaptive noise method. First, a publicly available dataset of EEG signals was used to generate the IMFs and noise or outliers were discarded. Then IMFs were max normalized which was shown to improve the separability of features. Statistical and spectral features were extracted from the normalized IMFs which offered better separation of seizure and seizure-free data. Finally, Quadratic Discriminant classifier was used for the classification purpose and 10-fold cross validation was performed to validate the trained model. The proposed scheme is numerically efficient and shows a maximum of 100% accuracy which is the highest reported on this data set.


Motivation


The International League Against Epilepsy (ILAE) and the International Bureau for Epilepsy (IBE) have defined the terms epileptic seizure and epilepsy as follows: an epileptic seizure is a transient occurrence of signs and/or symptoms due to abnormal excessive or synchronous neuronal activity in the brain and epilepsy is a disorder of the brain characterized by an enduring predisposition to generate epileptic seizures and by the neurobiologic, cognitive, psychological, and social consequences of this condition [1]. The definition of epilepsy requires the occurrence of at least one epileptic seizure. According to World Health Organization (WHO), approximately 50 million people have epilepsy worldwide. Around 80% of epilepsy patients are either from low or middleincome countries, of which around 75% failto get proper treatment. Epilepsy has severe socioeconomic consequences, including high treatment cost,low employment rate, andlow salary among epileptic patients [2]. Epilepsy remains resistant to drug therapy in about one-third of patients and people with pharmacoresistant epilepsy are about 2–10 times more likely to die compared to the general population [3].

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

استفاده از IMFs نرمال شده برای تشخیص تشنج صرعی در سیگنالهای EEG
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها