Artificial intelligence aided techniques for epilepsy classification

العناوين الأخرى

تصنيف الصرع بمساعدة تقنيات الذكاء الاصطناعي

مقدم أطروحة جامعية

al-Qatawinah, Ala Muhammad

مشرف أطروحة جامعية

al-Abbadi, Muhammad Ali Husayn
al-Halasah, Raniya Azmi Ibrahim

الجامعة

جامعة مؤتة

الكلية

كلية تكنولوجيا المعلومات

القسم الأكاديمي

قسم الحاسوب

دولة الجامعة

الأردن

الدرجة العلمية

ماجستير

تاريخ الدرجة العلمية

2019

الملخص العربي

الصرع هو اضطراب دماغي يؤثر على الجهاز العصبي ككل، و يتصف بوجود موجات ذات تردد و جهد عالیین، بالإضافة إلى تحفيز غير طبيعي للخلايا العصبية في القشرة الدماغية، تسمى النوبات الصرعية و يمكن تشخيص الصرع باستخدام تخطيط الدماغ ( EEG )، الذي يشخص موجات الدماغ باستخدام أقطاب كهربائية تلتقط الإشارة و ترسلها إلى الجهاز الرئيسي الذي يقوم بتخزينها.

و يمر مريض الصرع في مرحلتين تختلفان في التشخيص و في الإشارات، وهما ( Ictal ) و ( Interictal ).

تتميز إشارات الدماغ المسجلة بأنها معقدة و غير خطية و غير ثابتة بالتالي يصعب تفسيرها، لذلك فإن تحليل إشارات الصرع من قبل المختصين يعتبر أمرا معقدا و قابلة للخطأ و يستغرق وقت طويلا، من هنا ظهرت الحاجة للتحليل الآلي.

إلا أن الطرق الحالية للتحليل الآلي إما أن تكون نتائجها غير دقيقة أو تتطلب عمليات حسابية معقدة، لذلك توجب تحسين مهام تشخيص مرض الصرع و التمييز بين حالاته المختلفة من أجل رفع دقة نتائج هذه المهام و تقليل التكلفة الحسابية لها ليصبح بالإمكان تطبيقها لحظيا .

في هذه الأطروحة، تم اقتراح نهج يمكن من اكتشاف نوبات الصرع و تصنيفها بناء على إشارات ( EGG ) على نحو فعال و دقيق و لا يعتمد على متغيرات.

و يعتمد النهج المقترح بشكل أساسي على عملية استخراج الميزات التي تتم باستخدام مجموعة من الاختبارات الإحصائية و هي ( Chi-Square, Durbin-Watson, Run test Kruskal-Wallis, z-test ).

الاختبارات المختارة من بين العديد من الاختبارات الموجودة، هي تلك التي تتوافق مع البيانات المعالجة و الغرض من النهج المقترح و قد تم استخراج العديد من المقاييس من كل اختبار و استخدامها كميزات في نهج الكشف عن الصرع المقترح و تصنيفه.

حيث سبق خطوة استخراج الميزات إنشاء مخططات الكثافة الاحتمالية ( PDF ) تلاها خطوات اختيار وتصنيف الميزات، واللاتي شكلت مغا الخطوات الأربع الرئيسية للنهج المقترح.

أوضحت التجارب التي أجريت باستخدام مجموعة بيانات جامعة Bonn أن دقة النهج المقترح في مهمة الكشف عن نوبة الصرع هي 98.4%، و تتفوق بهذه الدقة على كل الطرق المماثلة في ذات المهمة على ذات المجموعة من البيانات.

علاوة على ذلك، أظهرت النتائج أن دقة النهج المقترح في مهمة التصنيف هي 94.0%، لكنها لم تتفوق على الطرق الحالية في ذات المهمة على ذات المجموعة من البيانات.

و مع ذلك، فإن النهج المقترح يستهلك وقنا أقل مقارنة بتلك الطرق التي حققت نتائج أفضل.

الملخص الإنجليزي

Epilepsy is a brain disorder that affects the nervous system as a whole and is characterized by having high frequency and high voltage waves and abnormal firing of the cortex’s neurons, called seizures.

Epilepsy can be diagnosed using electroencephalogram (EEG), which captured the potential differences in the brain using electrodes that pick up and send the signals to the main EEG machine that saves the signals.

For epilepsy patient, there are two phases that vary in the diagnosis and in the EEG signals, these are Ictal and Interictal.

Due to the complexity of the brain waves, the recorded signals are complex, non-linear and non-stationary; thus, it is hard to be interpreted.

Manual interpretation of EEG signal for epilepsy diagnosis is tedious, faulty and time-consuming.

Accordingly, automatic EGG interpretation for epilepsy detection and classification is required to ease the analysis tasks and reduce the efforts.

Yet, due to the complexity of the processed brain signal, the obtained results are either inaccurate or required a high computational cost.

Given that the application of epilepsy detection and classification is critical and requires very precise output, there is a need to enhance and improve the epilepsy detection and classification results and reduce the computational cost in order to be used in real-time.

In this thesis, a new approach for epilepsy detection and classification is proposed that enables efficient, accurate and non-parametric detection and classification of epilepsy seizures based on the EGG signal.

The proposed approach depends mainly on the feature extraction process that is conducted using a set of statistical tests, these are Chi-Square, Durbin- Watson, Run test, Kruskal-Wallis and z-test.

The selected tests, among many existing tests, are those fit with the processed data and the purpose of the proposed approach.

From each test, various output scalars are extracted and used as features in the proposed epilepsy detection and classification approach.

Feature extraction step is preceded with Probability Density Function (PDF) fitting and followed by feature selection and classification steps, which together form the four major steps of the proposed approach.

The experiments conducted using Bonn’s University dataset showed that the accuracy of the proposed approach is 98.4%in the detection task, which outperform the existing approaches on the same dataset.

Besides, the results showed that the accuracy of the proposed approach in the classification task is 94.0%, however, it does not out-perform the existing approaches on the same dataset.

Yet, the proposed approach consumes less time in comparison with those achieved better results.

التخصصات الرئيسية

تكنولوجيا المعلومات وعلم الحاسوب

عدد الصفحات

82

قائمة المحتويات

• APA
• MLA
• AMA

لغة النص

الإنجليزية

نوع البيانات

رسائل جامعية

رقم السجل

BIM-1402423