عنوان المقالة:تمييز إشارات تخطيط الدماغ باستخدام شبكة الانتشار العكسي المعتمدة على المميزات الهيكلية الموضعية المستخلصة 3- EEG Recognition by using back propagation neural network based on localized structural information.
نجلاء متي اسحق سفر | Najla Matti Isaac Safar | 10341
نوع النشر
مجلة علمية
المؤلفون بالعربي
نجلاء متي اسحق سفر
المؤلفون بالإنجليزي
Najla Matti Isaac Safar
الملخص العربي
تم في هذا البحث استخلاص المميزات الهيكلية الموضعية بوصفها أساساً لقياس التغيرات المستحصلة من أربعة EEG الهيكلية مع الزمن لتصنيف السلسلة الزمنية لإشارات تخطيط الدماغ حالات اثنتان منها مرضية والأخرى سليمة (مفتوح ومغلق العينين في كل منهما). بعدها تم إدخال المميزات الهيكلية الموضعية إلى الشبكة العصبية ذات الانتشار العكسي لغرض تمييز الإشارة بالطرق مع بيانات الشبكة إذ BFGS Quasi-Newton Back propagation الذكية. واستخدمت الدالة حققت نتائج جيدة عند الاختبار لقيم المميزات المستخلصة التي لم يتم التدريب عليها، كما إنها وصلت إلى الهدف في التدريب بعدد دورات اقل من باقي الدوال الشائعة الاستخدام مع شبكة الانتشار العكسي. باستخدام شبكة الانتشار العكسي إن مرض EEG وقد أظهرت النتائج لتصنيف المميزات الزهايمر يمكن اكتشافه بقوة ١٠٠ % في العديد من القنوات في حالة اخذ إشارات تخطيط الدماغ للمريض عندما يكون مغلق العينين. وقد كان الإدخال المتحول (من البيانات الأصلية للإشارة إلى كانت نسبة ،EEG المميزات المعتمدة في البحث) مناسباً بشكل مثالي في التصنيف الفعال لبيانات ١٠٠ % في حالة التمييز - إذ تراوحت بين ٥٠ EEG التمييز متباينة في بيانات كل قناة من قنوات ويمكن الاستفادة من الطريقة المتبعة في .(ho, hc, ao, ac) الصحيح في كل من الحالات الأربعة هذا البحث في كثير من التطبيقات، من ضمنها تحليل السلاسل الزمنية، ومعالجة الإشارة، وتمييز الكلام.
الملخص الانجليزي
In this research, it localized structural feature selection method has been used as a base of quantifying structural changes with time for Electroencephalograms (EEG) obtained from four states two patient and two healthy with eyes open and eyes closed in both. Then these structural characteristics have been submitted to the back propagation neural network for the purpose of signal distinction by the intelligent methods. BFGS Quasi- Newton Back propagation function has been used with the data of the network. It gives good results at testing to the values of features extractions that they have not been training with, and it has been reached to the goal with minimum iteration from other common function that is used with back propagation neural network. The results for classifying EEG using back propagation neural network show that Alzheimer sick can be detected hardly 100% in many channels in case in taken EEG for the patient with eyes closed. The transformed inputs (from the original data of the signal to the features intentional in the research) are ideally suited for effective classification of EEG data. Recognition rates vary for each EEG channel data between 50-100% correct recognition in the four cases. The follow up method can be useful in several applications including time-series analysis, signal processing and speech recognition.
تاريخ النشر
01/01/2005
الناشر
مجلة الرافدين لعلوم الحاسبات والرياضيات
رقم المجلد
2
رقم العدد
2
رابط الملف
تحميل (186 مرات التحميل)
الكلمات المفتاحية
EEG Recognition, Neural Network
رجوع