Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userUsing DWT and ANN. for the Automated Detection of Epileptic Seizures in Scalp EEG
استخدام التحويل المويجي المتقطع و الشبكات العصبونية في الكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس
2225
0 106
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
الصرع هو اضطراب عصبي مزمن يحدث في الدماغ، و يصيب ما يقارب 2% من سكان العالم، حيث يواجه المرضى الكثير من الصعوبات في الحياة اليومية بسبب حدوث النوبات. تستخدم إشارات التخطيط الكهربائي للدماغ (EEG) في الكشف الآلي لحدوث نوبات الصرع, EEG لديها خصائص غير خطية و غير ثابتة. في هذا البحث قمنا بالكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس باستخدام التحويل المويجي المتقطع DWT من المستوى 5 لتحليل الإشارة و استخراج المميزات الإحصائية مثل (الحد الأقصى، الحد الأدنى، المتوسط، متوسط الطاقة، الانحراف المعياري، النسبة بين متوسط القيم) و استخدمت الشبكات العصبونية ANN من أجل التصنيف و حقق نظام الكشف المقترح دقة 89.85 % و حساسية 90.69 %، و خصوصية 89.1%.
Epilepsy is a chronic neurological disorder that occurs in the brain، and affects approximately 2% of people around the world، where epilepsy patients face a lot of difficulties in everyday life due to the occurrence of seizures. Electroencephalogram (EEG) is used in the automated detection of epileptic seizures، which has Characteristics of non-linear and non-stationary. In this research، we conducted automated detection of the seizures from the scalp EEG signals using a Level 5 Discrete Wavelet Transforms DWT to analyze the signal and extracting statistical features (maximum، minimum، mean، average ، standard deviation، the ratio between the mean values) and Categorizing using artificial neural networks ANN for classification. The suggested detection method has 89.85% detection accuracy with 90.60% sensitivity ، and 89.1% specificity.
Artificial intelligence review:
Research summary
الصرع هو اضطراب عصبي مزمن يصيب الدماغ ويؤثر على حوالي 2% من سكان العالم. يواجه المرضى صعوبات كبيرة في الحياة اليومية بسبب النوبات. يتم استخدام إشارات التخطيط الكهربائي للدماغ (EEG) للكشف الآلي عن نوبات الصرع. في هذا البحث، تم استخدام التحويل المويجي المتقطع (DWT) من المستوى 5 لتحليل الإشارة واستخراج المميزات الإحصائية مثل الحد الأقصى، الحد الأدنى، المتوسط، متوسط الطاقة، الانحراف المعياري، والنسبة بين متوسط القيم. تم استخدام الشبكات العصبونية الاصطناعية (ANN) لتصنيف الإشارات. حقق النظام المقترح دقة 89.85%، حساسية 90.60%، وخصوصية 89.1%. تم استخدام قاعدة بيانات CHB-MIT التي تحتوي على تسجيلات EEG لمرضى الصرع. تم تقسيم البيانات إلى بيانات تدريب واختبار. استخدمت الشبكة العصبونية متعددة الطبقات (MLP) للتصنيف. أظهرت النتائج أن النظام المقترح يمكن أن يساعد الأطباء في عملية اتخاذ القرار.
Critical review
دراسة نقدية: البحث يقدم مساهمة قيمة في مجال الكشف الآلي عن نوبات الصرع باستخدام إشارات EEG من فروة الرأس. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، عدد المرضى المستخدمين في الدراسة (10 مرضى) قد يكون غير كافٍ لتعميم النتائج على نطاق أوسع. ثانياً، لم يتم مناقشة تأثير الضجيج البيئي بشكل كافٍ وكيفية التعامل معه بشكل فعال. ثالثاً، يمكن تحسين دقة النظام من خلال استخدام تقنيات تعلم الآلة الأكثر تطوراً مثل الشبكات العصبية العميقة. وأخيراً، لم يتم مناقشة تكلفة النظام المقترح وكيفية تطبيقه في بيئات سريرية حقيقية.
Questions related to the research
-
ما هي نسبة دقة النظام المقترح في الكشف عن نوبات الصرع؟
حقق النظام المقترح دقة 89.85% في الكشف عن نوبات الصرع.
-
ما هي قاعدة البيانات المستخدمة في هذا البحث؟
تم استخدام قاعدة البيانات CHB-MIT التي تحتوي على تسجيلات EEG لمرضى الصرع.
-
ما هي المميزات الإحصائية التي تم استخراجها من إشارات EEG؟
تم استخراج المميزات الإحصائية مثل الحد الأقصى، الحد الأدنى، المتوسط، متوسط الطاقة، الانحراف المعياري، والنسبة بين متوسط القيم.
-
ما هي التقنية المستخدمة لتصنيف الإشارات في هذا البحث؟
تم استخدام الشبكات العصبونية الاصطناعية (ANN) لتصنيف الإشارات.
References used
PATIL, S & PAWAR, K. 2012 - Quality advancement of EEG by wavelet denoising for biomedical analysis. In Communication, Information & Computing Technology (ICCICT), 2012 International Conference on (pp. 1-6). IEEE
EBERSOLE, S & PEDLEY, A 2003 - Current practice of clinical electroencephalography, chapter 4, pages 72–99.Lippincott Williams & Wilkins, 3 edition. ISBN 0781716942
IASEMIDIS, D 2003 - Epileptic seizure prediction and control. IEEE Transactions on Biomedical Engineering, 50(5), 549- 558
rate research
Read More
In this paper, we propose a new method to embed digital
watermarking in audio files, using Discrete Wavelet Transform
(DWT) and the way to extract the watermark data.
The method efficiency is measured using Peak Signal –to-Noise
Ratio (PSNR) , No
rmalized Correlation Coefficient (NC). The
advantage of our method is the robustness against several attacks
and compression.
A digital watermark is a signal that is embedded into digital data
(text, image, audio, video) in a manner that allows it to be extracted
later. This is done by embedding a pattern which contains the
author's data into the digital data.
In this r
esearch, we propose a comparison between three types of
transformations for embedding a watermark in the frequency
domain into digital images in an efficient and secure method that
allows the watermarking any type of digital images with good
perceptibility.
A new face detection system is presented. The system combines several techniques for face detection to achieve better detection rates, a skin colormodel based on RGB color space is built and used to detect skin regions. The detected skin regions are
the face candidate regions. Neural network is used and trained with training set of faces and non-faces that projected into subspace by principal component analysis technique. we have added two modifications for the classical use of neural networks in face detection. First, the neural network tests only the face candidate regions for faces, so the search space is reduced. Second, the window size used by the neural network in scanning the input image is adaptive and depends on the size of the face candidate region. This enables the face detection system to detect faces with any size.
Objective: Febrile seizures are the most common seizures in children less than 5
years(2-5%),and the risk of its recurrence is 50%(>1year),30%(<1year).We focused on the
effect and safety of the prophylaxis treatment of recurrent FS beacuase it is a
terrifying
case for the parents.
Materials&Methods:This is a trial study on 40 patient with FS.Clonazepam was
recommended 0.05mg/kg/d then anti e when fever exceed 38°.We did follow up every 3
month during one year.
Results:we followed 35 patient, familial history of FS found in 57.1%,a history of
epilepsy in 28.57%.clonazepam side effects were supportable the most common was
lawson 14.28%,the efficacy of the treatment we didn’t noticed any episode of FS during
the study 97.1%.
Conclusion: Clonazepam is a safe and effective and easy treatement for the parents
for the prophylaxis of FS recurrence.
The entry of computer to many areas, such as medical field, led to develop new
technique that has led to the prosperity of these areas, and helped doctors to detect and
diagnose diseases accurately and credibility, where the experience of the docto
r in addition
to the accuracy of computer lead to access to the credibility of high patient and save
human lives.
A new approach for cardiac diseases detection and classification in ECG signals
images is proposed using Adaptive Neuro Fuzzy Inference System ANFIS.
The proposed approach is applied on database containing (147) ECG images,
each of them accompanied with its medical report. The medical reports were used to
validate the detection and classification.
The proposed method achieved a relatively high accuracy (97%) in detection and
classification processes.
The proposed approach is developed using MATLAB, and based on its libraries,
image processing, neural network and fuzzy logic.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
