Comparaison de techniques informatiques intelligentes pour

bunkietameΤεχνίτη Νοημοσύνη και Ρομποτική

20 Οκτ 2013 (πριν από 3 χρόνια και 9 μήνες)

92 εμφανίσεις

fr4 Abstract
Comparaison de techniques informatiques intelligentes pour
la classification des signaux EEG cliniques
D.Najumnissa
1
,T.R.Rangaswamy
1
1
Department of Electronics and Instrumentation Engineering,B.S.Abdur Rahman University,India
Correspondence to:
D.Najumnissa
B.S.Abdur Rahman University
Address:GST,Road,Vandalur,Chennai 600048,India
E–mail:najumnissa.d@bsauniv.ac.in
EJBI 2013;9(2):fr4
received:January 16,2013
accepted:March 29,2013
published:August 30,2013
Abstrait
Objectif
L’objectif de ce travail est de développer des systèmes
de classification efficaces en utilisant des techniques in-
formatiques intelligents pour la classification des signaux
EEG normaux et anormaux.
Méthodes
Dans ce travail,les enregistrements EEG ont été effec-
tués sur des bénévoles (N=170).Les caractéristiques de
classification des signaux EEG cliniques ont été extraites
en utilisant la transformée en ondelettes et la sélection de
caractéristiques a été réalisée en utilisant l’analyse en com-
posante principale.Des techniques intelligentes comme
Back Propagation Network (BPN),Adaptive Neuro-Fuzzy
Inference System (ANFIS),Particle Swarm Optimization
Neural network (PSONN) et Radial Basis function Neural
network (RBFNN) ont été formés pour diagnostiquer des
crises.En plus,la performance des classificateurs dévelop-
pés a été comparée.
Résultats
Les résultats démontrent que le RBFNN classifie des
signaux EEG normaux et anormaux mieux que les autres
méthodes.Il semble que le RBFNN est capable de détec-
ter tonico-cloniques généralisée (CGTC) plus efficacement
que les crises partielles complexes (CPS).La valeur pré-
dictive positive était meilleure dans PSONN et ANFIS
que la méthode BPN.
Conclusion
Il semble que la combinaison de la méthode de trans-
formation en ondelettes et des caractéristiques dérivées
de PCA avec le classificateur RBFNN est efficace pour la
classification du signal EEG automatisé.
Mots-clés
Crise d’épilepsie,la transformée en ondelettes,sys-
tèmes de classification intelligentes
EJBI – Volume 9 (2013),Issue 2
c
2013 EuroMISE s.r.o.