ترجمه مقاله پیش بینی تشنج با خصوصیات محلی و کلی نوسانی - نشریه IEEE

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

پیش بینی تشنج با استفاده از خصوصیات محلی و کلی نوسانی

عنوان انگلیسی

Seizure Prediction using Undulated Global and Local Features

صفحات مقاله فارسی

24

صفحات مقاله انگلیسی

12

سال انتشار

2015

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

f350

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

رشته های مرتبط با این مقاله

پزشکی و مهندسی پزشکی

گرایش های مرتبط با این مقاله

مغز و اعصاب، بیوالکتریک و مهندسی پزشکی بالینی

مجله

یافته ها در زمینه مهندسی پزشکی - Transactions on Biomedical Engineering

دانشگاه

دانشگاه چارلز استریت، استرالیا

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1.مقدمه
2.روش پیشنهادی
A.تشکیل داده
B. استخراج ویژگی کلی نوسانی
C. استخراج ویژگی محلی نوسانی
D. طبقه بندی
E. پردازش بعدی
3. SPH و قابلیت پیش بینی توسط احتمال
4. بحث و نتیجه گیری
5. تجزیه و تحلیل
A. دوره¬ی زمانی متفاوت
B. توجیه جابه جایی متفاوت نمونه
6. نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

In this study a seizure prediction method is proposed based on a patient-specific approach by extracting undulated global and local features of preictal/ ictal and interictal periods of EEG signals. The proposed method consists of feature extraction, classification, and regularization. The undulated global feature is extracted using phase correlation between two consecutive epochs of EEG signals and an undulated local feature is extracted using the fluctuation and deviation of EEG signals within the epoch. These features are further used for classification of preictal/ictal and interictal EEG signals. A regularization technique is applied on the classified outputs for the reduction of false alarms and improvement of the overall prediction accuracy (PA). The experimental results confirm that the proposed method provides high PA (i.e. 95.4%) with low false positive per hour using intracranial EEG signals in different brain locations of 21 patients from a benchmark data set. Combining global and local features enables the transition point to be determined between different types of signals with greater accuracy, resulting successful versus unsuccessful prediction of seizure. The theoretical contribution of the study may provide an opportunity for the development of a clinical device to predict forthcoming seizure in real time.

نمونه چکیده ترجمه متن فارسی

چکیده
در این مطالعه، روش پیش بینی تشنج، بر اساس رویکرد بیمار خاص، با استفاده از استخراج ویژگی های محلی و کلی نوسانی دوره های preictal/ ictal و interictal سیگنال های EEG می باشد. این روش پیشنهادی شامل استخراج ویژگی، طبقه بندی می باشد. یک ویژگی کلی نوسانی با استفاده از همبستگی فازی بین دو دوره متوالی از سیگنال های EEG استخراج می شود و ویژگی محلی نوسانی، با استفاده از نوسان و انحراف سیگنال های EEG داخل دوره استخراج می شود. ایم ویژگی ها، برای طبقه بندی سیگنال های EEG preictal/ictal و interictal استفاده می شوند. یک تکنیک منظم بر روی خروجی های طبقه بندی شده برای کاهش هشدار نادرست و بهبود کلی دقت پیش بینی (PA) اعمال شد. نتایج تجربی تایید کرد که روش پیشنهادی، PA بالا با پوزیتیو نادرست پایین به ازای هر ساعت با استفاده از سیگنال های درون جمجمعه در موقعیت های متفاوتی مغزی 21 بیمار از یک مجموعه داه مرجع را ارائه می کند. ترکیب ویژگی های محلی و کلی، نقطه گذاری را برای تعیین انواع مختلف سیگنال ها با دقت بیشتر، در نتیجه پیش بینی موفقیت آمیز تشنج در برابر پیش¬بینی ناموفق آن امکان پذیر می سازد. بخش تئوری مطالعه ممکن است یک فرصتی را برای توسعه فراهم کند.