ترجمه مقاله نقد و بررسی تحلیل خودکار الکتروانسفالوگرافی صرع – نشریه الزویر

عنوان فارسی: | تجزیه و تحلیل EEG خودکار صرع: بررسی |
عنوان انگلیسی: | Automated EEG analysis of epilepsy: A review |
تعداد صفحات مقاله انگلیسی : 19 | تعداد صفحات ترجمه فارسی : 41 |
سال انتشار : 2013 | نشریه : الزویر - Elsevier |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 7977 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 7.04Mb |
رشته های مرتبط با این مقاله: سایبرنتیک پزشکی، مهندسی پزشکی و پزشکی |
گرایش های مرتبط با این مقاله: بیوالکتریک، مغز و اعصاب |
مجله: سیستم های مبتنی بر دانش - Knowledge-Based Systems |
دانشگاه: گروه الکترونیک و مهندسی کامپیوتر، سنگاپور |
کلمات کلیدی: الکتروانسفالوگرام، صرع، ایکتال، اینترایکتال، دستهبندی، غیرخطی، بعد فراکتال، طرح عود، طیفهای مرتبه بالا |
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 |
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
Abstract
Epilepsy is an electrophysiological disorder of the brain, characterized by recurrent seizures. Electroencephalogram (EEG) is a test that measures and records the electrical activity of the brain, and is widely used in the detection and analysis of epileptic seizures. However, it is often difficult to identify subtle but critical changes in the EEG waveform by visual inspection, thus opening up a vast research area for biomedical engineers to develop and implement several intelligent algorithms for the identification of such subtle changes. Moreover, the EEG signals are nonlinear and non-stationary in nature, which contribute to further complexities related to their manual interpretation and detection of normal and abnormal (interictal and ictal) activities. Hence, it is necessary to develop a Computer Aided Diagnostic (CAD) system to automatically identify the normal and abnormal activities using minimum number of highly discriminating features in classifiers. It has been found that nonlinear features are able to capture the complex physiological phenomena such as abrupt transitions and chaotic behavior in the EEG signals. In this review, we discuss various feature extraction methods and the results of different automated epilepsy stage detection techniques in detail. We also briefly present the various open ended challenges that need to be addressed before a CAD based epilepsy detection system can be set-up in a clinical setting.
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.