مجله دانشگاه علوم پزشکی

زمینه و هدف: از مهم‌ترین نشانه‌های صرع می‌توان به تشنج، اشاره کرد. پیش بینی و تشخیص به‌موقع حمله تشنجی به ‌طور چشمگیری آسیب‌های ناشی از آن را در افراد صرعی کاهش می‌دهد. از مشکلات اساسی مربوط به این اختلال عصبی عدم توانایی در پیش بینی به موقع وقوع حملات تشنجی می‌باشد. مواد و روش‌ کار: به دلیل تصادفی بودن فرآیندهای الکتریکی منجر به صرع رفتار سیگنال‌های مغزی را به صورت یک دنباله در واحد زمان می توان بیان کرد. این تحقیق 300 مصروع در سه گروه طبیعی، مرحله قبل از تشنج و تشنج بررسی ‌شدند. بر این اساس داده‌ها پس از دریافت، پیش پردازش ‌شدند، سپس به دنبال استخراج ویژگی‌های خاص، توسط الگوریتم پیشنهادی، پیش بینی قابل قبول و مناسبی بر روی آن‌ها صورت می‌گیرد. در نهایت به منظور اعتبار سنجی نهایی، از روش ارزیابی چند دسته‌ایی هم عرضی (k-fold) استفاده شده است. یافته ها: ابتدا توسط تبدیل پردازشگر ویولیت (WT3) آرتیفکت‌های احتمالی حذف شد، در مرحله بعد توسط الگوریتم ‌هوشمند پرندگان (BPSO4 ) بهترین ویژگی‌ها (تاخیرها) بدست آمد، سپس توسط الگوریتم‌ ماشین بردار پشتیبان (SVM5)، کاهش بعد ویژگی‌ها (تاخیرها) به‌ منظور مدیریت داده‌ها انجام ‌شد. در پایان ارزیابی نهایی و اعتبار سنجی نهایی صورت گرفت، تا دقت الگوریتم با 2 واحد زمانی تاخیر در پیش بینی تایید شود. نتیجه گیری: سیستم پیشنهادی در قالب ترکیب و تعامل به دقت پیش بینی بالایی دست یافت. روش‌های حاضر علی رغم دقت بالا؛ در پیش بینی توانایی چندانی ندارند. مقایسه این روش و روش‌های موجود نشان از دقت و کارایی بالای این سیستم دارد.