دانلود رایگان مقاله انگلیسی طبقه بندی شبکه عصبی سیگنال های نوار مغزی برای شناسایی حمله بیماری ها - IEEE 2018

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

طبقه بندی شبکه عصبی سیگنال های نوار مغزی برای شناسایی حمله بیماری ها

عنوان انگلیسی

Neural Network Classification Of Eeg Signal For The Detection Of Seizure

صفحات مقاله فارسی

0

صفحات مقاله انگلیسی

6

سال انتشار

2018

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

نوع مقاله

ISI

پایگاه

اسکوپوس

کد محصول

E9112

رشته های مرتبط با این مقاله

پزشکی، مهندسی پزشکی

گرایش های مرتبط با این مقاله

مغز و اعصاب، بیوالکتریک

مجله

کنفرانس بین المللی IEEE در روند اخیر در فناوری اطلاعات و ارتباطات الکترونیک - IEEE International Conference On Recent Trends in Electronics Information & Communication Technology

دانشگاه

Dept. of E&C - RIT - Bangalore

کلمات کلیدی

EEG، تشخیص تشنج، DWT، لحظات آماری، شبکه عصبی

doi یا شناسه دیجیتال

https://doi.org/10.1109/RTEICT.2017.8256658

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

۰.۰ (بدون امتیاز)

امتیاز دهید

چکیده

Abstract

Brain is the strongest part of the human body which consists of the number of neurons. Electrical activity of the brain can be measured using many techniques in which EEG is widely used. Any change in electrical signal will define a particular abnormality in human. This paper, suggest a algorithm for the EEG signal analysis for the detection of seizure using wavelet transform and statistical parameters. Data set consists of two sampling rates, one with 128Hz and another with sampling rate of 1024Hz. Feature extraction was done using discrete wavelet transform. Once a feature extraction is done the data will be given to a neural network for the classification. A multilayered neural network was used classify seizure and normal person. The proposed algorithm is tested on 23 data sets. Classification accuracy of 100% has been achieved for the sampling rate of 1024 and 85% for the data with sampling rate of 128. Total system accuracy achieved is 92.5%.

نتیجه گیری

VI. CONCLUSION

In this paper, two database have been used, one with 128Hz and another is with 1024Hz. Feature extraction was done using DWT method and statistical parameter were calculated on wavelet coefficients. For classification purposes, three different sets have been considered. Considering all the bands at once, considering only three bands at a time and finally considering the individual band. From the Table I, II conclude that for the sampling rate of 1024 Hz results are more accurate. This paper also concludes that the accuracy is less when sampling rate is less. But when sampling rate is increased decomposition level increases which in turn increases the processing time.

برچسب‌ها: دانلود رایگان مقالات انگلیسی پزشکی، دانلود رایگان مقالات انگلیسی مهندسی پزشکی، دانلود رایگان مقالات isi