بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
ارائه روشی جهت آشکار سازی تخلیه های صرعی با استفاده از بعد فرکتالی سیگنال صرعی
چکیده
بیماری صرع یکی از شاخصترین اختلالات عصبی است که حدود %1 مردم جهان از آن رنج می برند .با وجود پیشرفتهای فراوان در درمان انواع بیماریها ، برای یک چهارم از بیماران هیچ راه حل دارویی و درمانی برای کنترل تشنجهای صرعی وجود ندارد. تشخیص صرع از طریق سیگنال-های الکتروانسفالوگرافی امکانپذیر است و در حال حاضر تشخیص با بررسی دیداری توسط متخصصان نورولوژیست انجام میشود. لذا این پژوهش به دنبال آشکارسازی تشخیص حملات صرعی از طریق پردازش سیگنال با استفاده از روش های آنالیز هوشمند میباشد. جهت تشخیص تغییر حالت سیگنال نرمال به غیر نرمال ابتدا باید ویژگی مناسب از سیگنال استخراج شود
از آنجا که سیگنالهای EEG ماهیت غیر خطی دارند، معیارها و ویژگیهایی که ماهیت غیرخطی دارند جهت این عمل مناسب خواهند بود. بعد فرکتال یک سیگنال میتواند مقیاس همبستگی یا رابطهی غیرخطی سیگنال را استخراج کند. بعد همبستگی در یک سیستم دینامیکی منعکس کنندهی نحوه ی توزیع نقاط در فضا می باشد. در این پژوهش با به کارگیری ویژگیهای بعد فرکتال برای سیگنالهای EEGجهت تشخیص تشنجهای صرعی، به صحت تشخیص در حدود %99 میرسیم که نشان دهندهی این است که ویژگی بعد فرکتال، شاخص بسیار قوی برای پیشگویی و تشخیص تشنجهای صرعی خواهد بود.
-1 مقدمه
صرع یک نوع بیماری نورولوژیکی است و بررسی سـیگنالهـای الکتـرو انسفالوگرافی روش مناسبی برای تشخیص حملات صرعی اسـت. علـت اصلی حملات صرعی هنوز به درستی مشخص نشده اما میتواند علـت را نقص در فعالیت الکتریکی سلول های مغزی دانست. در نـوار مغـزی بیمارانی که دچار حملات صرعی شدهاند الگوهای غیرخطی دیده مـی-شود . برای تشخیص حمـلات صـرعی (تشـنج) بـا انتخـاب و محاسـبه ویژگیهای مختلف از نمونههای سیگنال، می توان ویژگیهای مطلـوب را به دست آورد که هر یـک نشـان دهنـدهی حـالتی از وضـعیت مغـز هستند . از آنجا که این اختلال عصبی با فعالیت الکتریکی مغز مرتبط است مـی تـوان از سـیگنال EEG (الکتروانسـفالوگرام ) ویژگـی هـای عمومی و مشترک را استخراج کرد که به کمک آنهـا بتـوان بـه طـور اتوماتیک به تشخیص یا پیشگویی تشنج های صرعی در افراد مبتلا بـه صرع یا جدا سازی افراد صرعی از سالم پرداخت .
تشخیص اتوماتیک تشنجهای صرعی به این دلیل اهمیت دارد که تشخیص تشنجهای صرعی از روی سیگنالهای مغزی توسط متخصص، علاوه بر وقت گیر بودن و پر هزینه بودن ، دارای خطای انسانی زیادی است . همچنین اگر لحظهی شروع تشنج به درستی تشخیص داده شود این امکان به وجود می آید که اطرافیان بتوانند سریعاً بالای سر بیمار حاضر شوند و بیمار را از بعضی خطرات مانند اشیا تیز دور کنند و یا دارویی را به او تزریق کنند.
با توجه به توضیحاتی که ارائه شد طبیعی است که پردازش سیگنال-های مرتبط با صرع از زمینه های تحقیقاتی بسیار مطرح در مورد صرع است که این پروژه نیز به همین امر میپردازد. تاکنون برای آشکار سازی کامپیوتری علائم صرعی در سیگنال های EEG روش های زیر ارائه شده اند:
ژالس و همکارانش در [1] براساس آنالیز زمان -فرکانس تشخیص صرع را انجام دادهاند . در این مقاله استخراج ویژگی برای هرسگمنت با روش های زمان - فرکانس و آنالیز سیگنال -های EEG صورت گرفته شده است و برای دسته بندی سیگنال-هااز شبکه عصبی استفاده شده است.
دینگل و همکارانش در [2] یک سیستم کامپیوتری تشخیص صرع در 16EEG کاناله را معرفی کرده اند . خوا و همکارانش [3] میزان قابلیت اطمینان استفاده از نمای لیاپانوف و بعد فرکتال را در آنالیز سیگنالهای EEG بررسی کرده اند . در این روش برای تشخیص صرع به طور عمده از آنالیز زمانی-مکانی استفاده شده است . ژو و همکارانش[4] روش دینامیکی غیر خطی را برای آنالیز EEG بررسی کرده اند و مشکلات مربوط به پارامتر های آشوب گونه در این مقاله بحث شده است .
آنالیز دینامیک غیرخطی می تواند یک ابزار قدرتمند برای آشکار کردن ویژگیها و مکانیسم سیگنالهای حیاتی باشد باشد، زیرا سیستمهای طبیعی اساسا غیرخطی هستند. برای توصیف حالتهای مختلف سیگنال EEG که بسیار پر اهمیت هستند، ابتدا بعد فرکتال شکل موج EEG بر اساس متد کاتز به دست می آید سپس ویژگی های بعد همبستگی از نتایج به دست آمده از متد کاتز بررسی می شود که می توان به یک روش تشخیصی خودکار برای حملات صرع رسید.
-2 شکل موج ها
دانشمندان الگوهای پیچیده را با خلاصه کردن آنها در فرمهـای استاندارد ، مقایسـه مـی کننـد .[5,6] بـرای مقایسـه الگوهـا ، توسـط خلاصه سازی آنها به عنوان مقدارهای منحصربه فرد روی یک تعـداد خط، یک مجموعه ایی از ویژگیهای الگو به یک عدد خاص تبدیل می شود .
هیچ قواعد کامل و کلی برای چیدن این ویژگیها وجود ندارد. در هر مورد واقعی ، ویژگیهای خاص کـه بـرای طبقـه بنـدی یـک الگـو استفاده می شود به هدف نهایی آنالیز بستگی دارد . شکل موجها، یـک الگوی عملی مشترک هستند . یک شکل موج ، یک مجموعه از جفـت نقاط ( (x,y )می باشد که مقدار x به طور یکنواخت افزایش می یابد .
شکل موجها ، منحنیهای مسطح هستند که به طـور ثابـت به سمت جلو پیشروی می کنند ، و به عقب بر نمی گردند و خودشـان را قطع نمی کنند .EKGو EEG ، رایج ترین شـکل مـوجهـا در علـم هستند . اگر چه این شکل موجها از شخصـی بـه شـخص دیگـر کمـیمتفاوت است ، یک لیست اصلی از شکلهای استاندارد جمع می شود . این شکل موجها با حالتهای ویژه به سلامتی و بیماری بستگی دارد .
پزشکان به توسعه طرحهای طبقه بنـدی عـددی بـرای الگوهـا ی EEG و EKG در خودکارسازی تشخیص توسط این شـکل مـوجهـا ، علاقه مندند . الگوهای EKG به انـدازه کـافی سـاده هسـتند و فاقـد ابتکار برای سیستمهای تشخیص الگـو هسـتند ، امـا الگـوهـای EEG بسیار پیچیده و برای تشخیص خودکار با اسـتفاده از تشـخیص الگـو ، بسیار متغیر هستند . ابعاد فرکتال می توانند به عنـوان یـک پیشـنهاد برای طرح-های تشخیص الگو برای طبقـه بنـدی و مقایسـه ی شـکل موجهایی مثل EKG و EEG استفاده شوند.
-3 تعریف فرکتال
فرکتال موجودی هندسی است که قوانین کلی حاکم بر آن وابسته به مقیاسی که در آن کار می کنیم نیست.
یعنی جزئیات آن شبیه کل هستند. فرکتالها جزئیات نامحدودی دارند که دارای ساختاری خود متشابه در مقادیر مختلف بزرگنمایی هستند . در اکثر موارد یک قانون و قاعده خاصی به میزان نامحدودی تکرار می شود تا یک طرح فرکتالی پدید آید . هندسه فرکتالی وسیله و مفهومی نوین است که امکان توصیف ریختهای طبیعی را میسر کرده است.
اشکال هندسی طبیعیهمچون کرات آسمان و درخت کاج را به آسانی میتوان با کره و مخروط توصیف کرد ولی بسیاری دیگر از اشکال طبیعی به اندازهای پیچیده هستند که حتی با ترکیبی از اشکال هندسه اقلیدسی قابل توصیف دقیق نیستند. شکل گلکلم، ریخت کوهها، رویه یک فلز در مقیاسهای میکروسکوپی نمونههایی از شکلهای طبیعی هستند که توصیف آنها تنها توسط هندسه فرکتالی ممکن است.
-1-3 انواع فرکتال
خود متشابه (Self similarity)، تشکیل از راه تکرار ( Iterative (formation ، بعد کسری (Fractional dimension)
ساختارهایی که هر جز آن با کل مجموعه یکـی اسـت و فقـط در مقیاس تفاوت دارند را ساختارهای خود متشابه مـی گوینـد. منظـور از تشکیل از راه تکرار این است که برای درست کردن یک فرکتال مـی-توانیم یک شکل معمولی هندسی، مثلاً یک خط، را برداریم و با آن یک شکل پیچیده تر بسازیم. سـپس بـا آن شـکل بـه دسـت آمـده شـکل پیچیدهتری بسازیم و همینطور به این کار ادامه دهیم. اشکال فراکتالی بـه ایـن طریـق بـه وجـود مـی آینـد مثـل دانـه بـرف Kochو مثلـث سرپینسکی.
اجسامی که دارای ابعاد کسری هستند نه یک بعدی اند، نه دو بعدی و نه سه بعدی. این ها ابعادی کسری دارند!!یک نقطه بعد ندارد. یک خط، شکلی یک بعدی است. یک صفحه، دو بعد دارد.ودر آخر شکل-های حجیم، سه بعد دارند. اما فرکتالها میتوانند بعد کسری داشته باشند! مثلاً 1,6 یا . 2,4
-4 روش پیشنهادی برای تشخیص حملات صرعی با استفاده از بعد فرکتال
این پژوهش به دنبال آشکار سازی تشخیص حملات صـرعی از طریـق پردازش سیگنال EEG با استفاده از روش هـای آنـالیز هوشـمند مـی باشد .[ 6] جهت تشخیص تغییر حالت سیگنال نرمال بـه غیـر نرمـال ابتـدا بایــد ویژگــی مناسـب از سـیگنال اســتخراج شـود . از آنجــا کــه سیگنالهای EEG ماهیت غیر خطی دارند ، معیارها و ویژگیهایی که ماهیت غیر خطی داشته باشند جهت این عمل مناسب خواهند بود .
بعد فرکتال یک سیگنال می توانـد مقیـاس همبسـتگی یـا رابطه غیر خطی سـیگنال را اسـتخراج کنـد . در ایـن پـژوهش بـا بـه کارگیری ویژگی بعد فرکتال برای سیگنال های EEGجهت تشـخیص تشنجات صرعی به نتایج خوبی خواهیم رسید . ما از متد کـاتز جهـت تخمین بعد فرکتال سیگنال EEG بهره می گیریم .
-1-4 متد کاتز
بر اساس این متد بعد فرکتال شکلموج میتواند با رابطه (1)محاسبه شود .
L طول نهایی شکل موج به صـورت رابطـه ی (2) محاسـبه مـی شود.
: d اندازه ی سطح (قطر) شکل موج به صورت رابطه ( ( 3 محاسبه میشود در حالی که مسافت بین نقاط i و j در شکل موج میباشد .
تعداد مراحل شکل موج میباشد.
فاصله ی میانگین بین نقاط متوالی میباشد .
-2-4 عوامل موثر در تخمین بعد فرکتال
▪ تاثیر دامنه شکل موج در تخمین بعد فرکتال :متد کاتز بـه دامنه حساس می باشد . زمانی که دامنه افزایش یابد ، بعد فرکتال هم افزایش مییابد .[7]
▪ تاثیر فرکانس نمونـه بـرداری در تخمـین بعـد فرکتـال: بـا افزایش فرکانس نمونه برداری از شکل مـوج ، بعـد فرکتـال کاهش مییابد.
▪ تاثیر فرکانس شکل موج در تخمین بعد فرکتال: متـد کـاتز اصلاً به تغییر فرکانس مـوج حسـاس نیسـت یـا اگـر باشـد حساسیت آن کم است . یعنـی افـزایش در فرکـانس مـوج تاثیری در بعد فرکتالی که بر اساس متد کاتز محاسبه مـی-شود ندارد .
-5 شبیه سازی و ارائه نتایج تجربی
داده های تجزیه و تحلیل شده در این پژوهش توسط بخش صرع در دانشگاه بن آلمان تهیه شده است . نرخ نمونه برداری از دادهها 173061هرتز بوده است. این دادهها شامل پنج مجموعه {A,B,C,D,E} میباشند که هر بخش از 100 نمونه 23,6 ثانیه ای
