Comparaison de techniques informatiques intelligentes pour

bunkietameAI and Robotics

Oct 20, 2013 (3 years and 10 months ago)

95 views

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.