پردازش سیگنال الکتروانسفالوگرافی (EEG) برای تشخیص صرع و اختلال طیف اوتیسم

تعیین مقدار غیر عادی بودن در سیگنال های مغز ممکن است شرایط و آسیب شناسی های مغز را آشکار کند. در این مطالعه ، الکتروانسفالوگرافی مختلف (EEG) استخراج و تکنیک طبقه بندی ویژگی هارا بررسی می کنیم تا در تشخیص هر دو بیماری صرع و اختلال طیف اوتیسم (ASD) کمک کنیم. اول ،برای از بین بردن آثار مهم ، سیگنال EEG از قبل پردازش شده است تا قبل از اینکه در چندین زیر گروه باند EEG با استفاده از یک تبدیل موجک گسسته (DWT) تجزیه شود.دو روش غیرخطی مورد مطالعه قرار گرفت ، یعنی شانون آنتروپی و بزرگترین نمای لیاپانوف ، که علاوه بر دو روش متعارف (یعنی انحراف استاندارد و قدرت باند) ، پیچیدگی و هرج و مرج در EEG ثبت شده را اندازیه گیری می کند. ما همچنین با استفاده از یک روش همبستگی متقابل برای اندازه گیری همگام سازی بین کانال های EEG ، که ممکن است ناهنجاری در برقراری ارتباط بین مناطق مغز را نشان دهد ، مطالعه می کنیم. سپس خصوصیات استخراج شده با استفاده از چندین روش طبقه بندی طبقه بندی می شوند. مجموعه داده های EEG مختلف برای تأیید تکنیک های اکتشاف طراحی پیشنهادی استفاده می شود: مجموعه داده های دانشگاه بن ، مجموعه د

Quantification of abnormality in brain signals may reveal brain conditions and pathologies. In this study, we investigate different electroencephalography (EEG) feature extraction and classification techniques to assist in the diagnosis of both epilepsy and autism spectrum disorder (ASD). First, the EEG signal is pre-processed to remove major artifacts before being decomposed into several EEG sub-bands using a discrete-wavelet-transform (DWT). Two nonlinear methods were studied, namely, Shannon entropy and largest Lyapunov exponent, which measure complexity and chaoticity in the EEG recording, in addition to the two conventional methods (namely, standard deviation and band power). We also study the use of a cross-correlation approach to measure synchronization between EEG channels, which may reveal abnormality in communication between brain regions. The extracted features are then classified using several classification methods. Different EEG datasets are used to verify the proposed de