استخدام التحويل المويجي المتقطع و الشبكات العصبونية في الكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس

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.