تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله طبقه بندی ثبت های EEG صرع ۵-S با آنتروپی توزیع و آنتروپی نمونه – نشریه Frontiersin

عنوان فارسی: طبقه بندی ثبت های EEG صرع 5-S با استفاده از آنتروپی توزیع و آنتروپی نمونه
عنوان انگلیسی: Classification of 5-S Epileptic EEG Recordings Using Distribution Entropy and Sample Entropy
تعداد صفحات مقاله انگلیسی : 9 تعداد صفحات ترجمه فارسی : 15
سال انتشار : 2016 نشریه : Frontiersin
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : f347 رفرنس : دارد
محتوای فایل : zip حجم فایل : 1.35Mb
رشته های مرتبط با این مقاله: پزشکی و مهندسی پزشکی
گرایش های مرتبط با این مقاله: بیوالکتریک، مغز و اعصاب و پردازش تصاویر پزشکی
دانشگاه: دانشکده علوم و مهندسی کنترل، دانشگاه شاندونگ، جینان، چین
کلمات کلیدی: الکتروانسفالوگرام (EEG)، صرع، آنتروپی توزیع (DistAn)، آنتروپی نمونه (SampEn)، تجزیه و تحلیل EEG کوتاه طول
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

مقدمه

مواد و روش ها

الگوریتم های SampEn و DistEn

SampEn

انتخاب پارامترهای ورودی

شرح داده های EEG

تجزیه و تحلیل آماری

نتایج

نتایج DistEn و SampEn برای گروهای EEG متفاوت

نتایج حاصل از تجزیه و تحلیل (ROC)

بحث

نتیجه گیری

نمونه متن انگلیسی

Epilepsy is an electrophysiological disorder of the brain, the hallmark of which is recurrent and unprovoked seizures. Electroencephalogram (EEG) measures electrical activity of the brain that is commonly applied as a non-invasive technique for seizure detection. Although a vast number of publications have been published on intelligent algorithms to classify interictal and ictal EEG, it remains an open question whether they can be detected using short-length EEG recordings. In this study, we proposed three protocols to select 5 s EEG segment for classifying interictal and ictal EEG from normal. We used the publicly-accessible Bonn database, which consists of normal, interical, and ictal EEG signals with a length of 4097 sampling points (23.6 s) per record. In this study, we selected three segments of 868 points (5 s) length from each recordings and evaluated results for each of them separately. The well-studied irregularity measure—sample entropy (SampEn)—and a more recently proposed complexity measure—distribution entropy (DistEn)—were used as classification features. A total of 20 combinations of input parameters m and τ for the calculation of SampEn and DistEn were selected for compatibility. Results showed that SampEn was undefined for half of the used combinations of input parameters and indicated a large intra-class variance. Moreover, DistEn performed robustly for short-length EEG data indicating relative independence from input parameters and small intra-class fluctuations. In addition, it showed acceptable performance for all three classification problems (interictal EEG from normal, ictal EEG from normal, and ictal EEG from interictal) compared to SampEn, which showed better results only for distinguishing normal EEG from interictal and ictal. Both SampEn and DistEn showed good reproducibility and consistency, as evidenced by the independence of results on analysing protocol.

نمونه متن ترجمه

صرع یک اختلال الکتروفیزیولوژیک مغز می باشد که مشخصه آن، تشنج های مکرر و بی دلیل می باشد. موج نگاری مغز (EEG)، فعالیت الکتریکی مغز را اندازه می گیرد و بعنوان یک روش غیر تهاجمی برای تشخیص تشنج بکار برده می شود. اگرچه تعداد زیادی از انتشارات، در زمینه الگوریتم های هوشمند برای طبقه بندی EEG ictal و interictal منتشر شده اند، یک سوالی که در اینجا باقی می ماند این است که آیا آنها می توانند با استفاده از ثبت های EEG کوتاه مدت تشخیص داده شوند. در این مطالعه، ما 3 پروتکل را برای انتخاب بخش EEG 5 ثانیه برای طبقه بندی EEG interictal و ictal از EEG نرمال پیشنهاد کردیم. ما با استفاده از پایگاه داده بن که در دسترس عموم است و شامل سیگنال های ictal، interictal و نرمال با طولی از 4097 نقاط نمونه گیری به ازای هر ثبت می باشد استفاده کردیم. در این مطالعه، ما 3 بخش از طول 868 نقاط را از هر ثبت انتخاب کردیم و نتایج را برای هر یک از آنها به تنهایی ارزیابی کردیم. اندازه گیری بی نظمی خوب مطالعه شده-آنتروپی نمونه- و یک پیچیدگی پیشنهاد شده در سال های اخیر-انتروپی توزیع بعنوان ویژگی های طبقه بندی استفاده شدند. یک مجموعه ایی از 20 ترکیب پارامترهای ورودی m و  برای محاسبه SampEn و DistEn برای سازش پذیری انتخاب شدند. نتایج نشان دادند که SampEn برای نیمی از ترکیبات استفاده شده پارامترهای ورودی تعریف نشده است و یک واریانس درون طبقاتی بزرگ را نشان دادند. بعلاوه، DistEn برای داده های EEG کوتاه مدت که نشان دهنده استقلال نسبی از پارامترهای ورودی و نوسانات درون طبقاتی کم می اشد، بطور شدید انجام شد . بعلاوه، آن عملکرد قابل قبولی برای سه مسئله طبقه بندی در مقایسه با SampEn  نشان داد که نتایج بهتری را تنها برای توزیع EEG نرمال از interictal  و ictal نشان داد. هم SampEn و هم DistEn تکرارپذیری و ثبات خوبی را که بعنوان شاهدی بر استقلال نتایج از پروتکل تجزیه و تحلیل بود نشان دادند.