چکیده

1.مقدمه

1.1.روش‌های تشخیص صرع

1.2. تحلیل الکتروانسفالوگرام جهت تشخیص صرع

2.روش‌ها

2.1. روش‌های تحلیل الکتروانسفالوگرام

2.1.1. روش‌های دامنه زمان

2.1.2. روش‌های دامنه فرکانس

2.1.3. روش‌های دامنه زمان – فرکانس

2.1.4. روش تحلیل غیرخطی

2.2. تحلیل داده‌های جایگزین

2.3. ضرورت روش‌های غیرخطی در تحلیل الکتروانسفالوگرام

3. دسته‌بندی فعالیت صرع

3.1. تحقیقات ارائه‌دهنده تکنیک‌های دسته‌بندی دو گونه (عادی، ایکتال) فعالیت صرع

3.2. تحقیقات ارائه‌دهنده تکنیک‌های دسته‌بندی سه گونه (مراحل عادی، اینترایکتال، ایکتال) فعالیت صرع

4. نتیجه‌گیری

چکیده

صرع نوعی اختلال الکتروفیزیولوژیکی مغز است که مشخصه اصلی آن حملات تکرارشونده می‌باشد. الکتروانسفالوگرام (EEG) آزمونی است که فعالیت الکتریکی مغز را اندازه‌گیری و ثبت می‌کند و به طور گسترده در آشکارسازی و تحلیل حملات صرع بکار گرفته می‌شود. با این حال، شناسایی تغییرات نامحسوس ولی مهم شکل موج الکتروانسفالوگرام از طریق بازرسی بصری اغلب کار دشواری است، از این رو، حوزه پژوهشی وسیعی برای مهندسان زیست پزشکی فراهم می‌آید تا الگوریتم‌های هوشمند متعددی را جهت شناسایی این قبیل تغییرات نامحسوس طراحی و پیاده‌سازی کنند. علاوه بر این، سیگنال‌های الکتروانسفالوگرام ماهیت غیرخطی و ناایستا دارند که این خود به افزایش پیچیدگی‌های مرتبط با تفسیر و آشکارسازی دستی فعالیت‌های عادی و غیرعادی (اینترایکتال و ایکتال) کمک می‌کند. بدین جهت، طراحی سیستم تشخیص کامپیوتری (CAD) برای شناسایی خودکار فعالیت‌های عادی و غیرعادی با استفاده از کمترین تعداد ویژگی‌های بسیار افتراقی در دسته‌بندها امری ضروری است. تحقیقات روشن نموده است که ویژگی‌های غیرخطی قادرند پدیده‌های پیچیده فیزیولوژیکی نظیر انتقال‌های ناگهانی و رفتار پرهرج و مرج در سیگنال‌های الکتروانسفالوگرام را ذخیره کنند. در این نقد و بررسی، روش‌های گوناگون استخراج ویژگی و نتایج تکنیک‌های متفاوت آشکارسازی خودکار مرحله صرع را به تفصیل مورد بحث قرار می‌دهیم. هم‌چنین چالش‌های نامحدود متعددی را که لازم است قبل از نصب سیستم آشکارسازی صرع مبتنی بر تشخیص کامپیوتری در محیط بالینی مورد توجه قرار گیرد، به اختصار ارائه می‌هیم.