دانلود مقاله ترجمه شده تجزیه و تحلیل خودکارEEG صرع: یک مرور کلی

چکیده

صرع یک اختلال الکتروفیزیولوژیک مغز است که با تشنج ­های عود کننده مشخص می­ شود. منحنی هایی که توسط دستگاه ثبت امواج مغز ثبت می ­شود(EEG) یک تست است که فعالیت الکتریکی مغز را اندازه گیری و ثبت می­ کند، و به طور گسترده در شناسایی و تجزیه و تحلیل حملات صرع به کار می ­رود. با این حال، معمولاً شناسایی تغییرات ضعیف از مهم در شکل موج EEG با بررسی بصری مشکل است، در نتیجه یک زمینه­ ی تحقیقاتی گسترده برای مهندسان ایجاد شده است تا چند الگوریتم­ هوشمند برای تشخیص این تغییرات ضعیف ارائه و پیاده ساری کنند. علاوه براین، سیگنال­ های EEG ذاتاً غیرخطی و غیر ثابت هستند که به پیچیدگی تفسیر دستی و تشخیص فعالیت ­های طبیعی و غیر طبیعی (ایکتال یا اینترایکتال) می­ افزاید. به همین دلیل توسعه­ ی یک سیستم تشخیص به کمک کامپیوتر (CAD) ضروری است تا فعالیت­ های طبیعی و غیر طبیعی با استفاده از حداقل ویژگی­ های متمایز کننده در دسته بندی کننده، به طور خودکار تشخیص داده شود. مشخص شده است که ویژگی­ های غیر خطی می­ توانند پدیده­ های پیچیده فیزیولوژیک مثل انتقال ناگهانی و آشفتگی سیگنال EEG را نشان دهند. در این مرور کلی،  جزئیات انواع روش ­های استخراج ویژگی و نتایج روش­ های مختلف تشخیص خودکار مراحل صرع را بررسی می ­کنیم. همچنین به طور خلاصه چالش ­های بی پاسخی را بررسی می ­کنیم که باید قبل از نصب سیستم تشخیص صرع مبتنی بر CAD در محیط بالینی، حل شوند.

1-مقدمه

صرع شایع­ترین اختلال عصبی است که 50 میلیون نفر در سراسر جهان به آن مبتلا هستند، و 85 درصد آن­ها به کشورهای درحال توسعه تعلق دارند. هر ساله حدود 2.4 میلیون مورد جدید نیز در سراسر جهان رخ می­ دهد. حداقل 50 درصد موارد صرع در دوران کودکی یا نوجوانی شروع می ­شود [124]. شروع ناگهانی در میان سالمندان نیز ممکن است دیده شود (افراد بالای 65 سال) [92]. احتمال مرگ زودرس افراد مبتلا به صرع نسبت به افراد معمولی دو تا سه برابر بیشتر است[124]...