ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Brain Stroke Detection Using A...>الوصف
يجب تسجيل الدخول أولا

Brain Stroke Detection Using ANN Based on EEG Signals Using CNN Path

العنوان بلغة أخرى: كشف السكتة الدماغية باستخدام ANN بناء على إشارات EEG باستخدام مسار سي إن إن
المصدر: مجلة جامعة بابل - العلوم الانسانية
الناشر: جامعة بابل
المؤلف الرئيسي: العلواني، رياض عبدالحمزة (مؤلف)
المؤلف الرئيسي (الإنجليزية): Al-Alwani, Riyadh Abdulhamza
مؤلفين آخرين: عبدالله، قاسم كرم (م. مشارك) , عباس، فرح نبيل (م. مشارك)
المجلد/العدد: مج31, ع1
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: يناير
الصفحات: 56 - 67
ISSN: 1992-0652
رقم MD: 1365847
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: HumanIndex
مواضيع:
السكتة الدماغية | الأنشطة الكهربائية | الشبكة العصبية الاصطناعية
كلمات المؤلف المفتاحية:
مخطط كهربائية الدماغ | أخذ العينات السفلية | التجزئة | طريقة ويلش لكثافة طيف الطاقة | الشبكة العصبية التلافيفية | الغابة العشوائية | Electroencephalogram (EEG) | Down Sampling | Segmentation | Welch’s Method for Power Spectral Density | Convolutional Neural Network | Random Forest | SVM
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

15

حفظ في:
المستخلص: تحدث السكتة الدماغية بسبب انسداد في الشريان الذي ينقل الدم المؤكسج إلى الدماغ. السكتة الدماغية الحادة هي السكتة الدماغية الأكثر شيوعا. يمكن أن يكون الاكتشاف المبكر للسكتة الدماغية منقذا لحياة المرضى. تخطيط كهربية الدماغ هو تقنية لتحليل الأنشطة الكهربائية الموجودة في الأجزاء المختلفة من الدماغ البشري، وباستخدام التتبع البصري، فإنه يسجل هذه الأنشطة. يوفر EEG قياسات فعالة من حيث التكلفة ومحمولة وعالية التردد ودقيقة مقارنة بأدوات مراقبة نشاط الموجات الدماغية الأخرى. يستخدم مخطط كهربية الدماغ لتشخيص متلازمة حساسية الأندروجين. في البحث المقترح، تم تطبيق الشبكة العصبية التلافيفية لتصنيف شدة السكتة الدماغية. في هذه الخوارزمية، يتم حساب الكثافة الطيفية للطاقة (PSD) لإشارات مخطط كهربية الدماغ بناء على الميزات المستخرجة من الشبكة العصبية الاصطناعية. ثم تم تدريب خريطة المعالم لتصنيف البيانات إلى أربع حالات بناء على شدة السكتة الدماغية. بالنسبة لتحليل الأداء، تتم مقارنة الخوارزمية المقترحة مع الخوارزميات الموجودة، ويلاحظ أن دقة الخوارزمية المقترحة هي 98.3%، وهي أفضل من الخوارزمية الموجودة للكشف عن السكتة الدماغية.

Brain stroke occurs because of a blockage in the artery, which delivers oxygenated blood to the brain. Acute Ischemic Stroke (AIS) is mostly occurred brain stroke. Early detection of brain stroke can be life-saving for patients. Electroencephalography is a technique to analyze electrical activities present in the different parts of the human brain, and using visual trace, it records these activities. EEG provides cost-effective, portable, high-frequency and accurate measurement as compared to other brain wave activity monitoring tools. EEG is used to diagnose AIS. In the proposed research, the convolutional neural network is applied for the classification of stroke severity. In this algorithm, the power spectral density (PSD) of EEG signals is calculated based on the extracted features from the artificial neural network. The feature map was then trained to classify the data into four instances based on the severity of the brain stroke. The effectiveness of the suggested algorithm is examined by comparing it with several similar algorithms., and it is observed that the accuracy of the proposed algorithm is 98.3% and which is better than the existing algorithm for brain stroke detection.
ISSN: 1992-0652

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.