پیش بینی زمان وقوع حمله صرع از طریق تجزیه و تحلیل سیگنال eeg
چکیده
صرعیکیازشایعتریناختلالاتعصبیاستکهمعمولاباحملاتناگهانیهمراهاست. حملاتصرعییا تشنجنشانههاییگذرایاعلایمیازفعالیتهایعصبیغیرنرمال،شدیدیاسنکروندرمغزاست. حدود 50 میلیوننفرازمردمدرسرتاسرجهانبدینبیماریمبتلاهستند. درمانخاصیبرایاینبیماریوجودندارد واینبیماریتنهامیتواندبااستفادهازدارویااعمالجراحیدرشرایطحادکنترلشود. برایبیشاز25 درصداینبیمارانحتیباوجودپیشرفتهایگستردهدرزمینههایداروییوپزشکیرسیدنبهچنین شرایطیازکنترلبیمارینیزقابلتحققنیست. صرعدرحقیقتنهیکبیماریعصبیکهخود مجموعهایازنشانههاباعلایموعللگستردهایاستکههمهآنهادرنهایتبهفعالیتهایغیرنرمالوشدیدالکتریکیدرمغزمنجرمیشوند. وقوعاینحملاتناگهانیمیتواندباعثقرارگرفتنشخصدرموقعیتهایخطرناکیشودکهحتیزندگیبیماررابهمخاطرهاندازند. بهخاطراینکهاختلالدرهوشیاریوازدسترفتنناگهانیکنترلحرکتیاغلب بدونهیچنوعپیشآگاهیرخمیدهند،تواناییپیشبینیحملاتصرعیمیتواندباعثکاهشاسترسوبهبودکیفیتزندگیوایمنیبیمارباشد. بیماربادانستنزمانحملهازقبلحداقلمیتواندبرایوقوعآن آمادهباشدوبهطورمثالازقرارگرفتندرموقعیتهایخطرناککهزندگیشخصراهمممکناستبه مخاطرهاندازند(مانندیکخیابانشلوغیااستخر)دوریکند. بهعلاوهپیشآگاهیاززمانوقوعحمله میتواندروشهایمتنوعیازدرمانرانیزامکانپذیرسازد،بهعنوانمثالبهجایدرمانداروییبهصورت پیوسته دردرازمدتکهباعثاثراتجانبیعصبیودرکیمیشوند،درمانمیتواندتنهابهزمانهایلازموضروریکهاحتمالرخدادحملهوجودداردکاهشیابند. روشهای آنالیز سری زمانی مربوط به تئوری دینامیک غیر خطی و آشوب در بررسی سریهای زمانی سیگنالهای حیاتی کاربرد گسترده ای دارند. پیش بینی حمله صرع با اعمال روشهای آنالیز سری زمانی به داده های eeg ثبت شده از بیماران مبتلا به صرع از جمله این کاربردها می باشد. سیستمهایینیزبامونیتورینگدایمسیگنالمیتوانندقبل ازاینکهحملهایرخدهدبااعمالبرخیروشهایپیشگیریازحملهمانندتحریکاتالکتریکییادرمان داروییمانعوقوعآنشوند. سیستمپردازشسیگنالارائه شده در این پایان نامه ازچندین بخشمجزاتشکیلشدهاست. پسازانجامپیشپردازشهایاولیهمانندحذفنویزموجودبر رویسیگنال،نخستینمرحلهسیستممذکورپنجره گذاریسیگنالاست. مرحلهبعداعمال مولفه آنالیز اساسی (pca) بهسیگنالپنجرهگذاریشدهمیباشد.pca جهت انتخاب بهترین راستا از لحاظ انرژی استفاده می شود.سپس بهمنظوربررسیویژگیهایغیرخطی و آشوبگونهدرباندهایمختلفسیگنال بعد از اعمال pcaدراینپروژهازتجزیه یموجک استفادهشدهاست مرحله بعدیکه ازاهمیتبسزاییبرخورداراست بخشاستخراجویژگی ها می باشد.لذادراینپایان نامهبامطرحکردنچهار ویژگی آشوبگونه shanen , logen , petrosian and higuchi fractal dimension و استخراج ویژگی ها از سیگنال بدست آمده می پردازیمودر نهایت الگوریتمجدیدی را جهت پیش بینی اتوماتیک بر روی 50 ثبت از پایگاه داده eeg فرایبورگ پیشنهاد خواهیم داد.