رسالة ماجستير في كلية العلوم للبنات تدرس الكشف عن نوبات الصرع باستخدام التعلم الالي جرت في كلية العلوم للبنات مناقشة رسالة ماجستير للطالبة الاء لطيف نور والتي كانت بعنوان (نظام المراقبة والكشف المعتمد على انترنيت الاشياء لنوبات الصرع باستخدام التعلم الالي )وقالت إن الاضطراب العصبي المعروف بالصرع له تأثير سلبي مستمر على الدماغ لذلك يعد تحديد النوبات أمرًا ضروريًا للرعاية السريرية للأفراد المصابين بالصرع. كثيرًا ما يستخدم الأطباء الخبراء تحليل بيانات تخطيط كهربية الدماغ البصري (EEG) للكشف عن نوبات الصرع، وهي طريقة لمراقبة النشاط الكهربائي غير الخطي للخلايا العصبية في الدماغ. واضافت في هذه الرسالة ، نقترح إطار عمل إنترنت الأشياء (IoT) للكشف الدقيق والفعال عن النوبات ومراقبتها لمرضى الصرع باستخدام تقنيات التعلم الآلي. حيث يتكون النظام المقترح:من ثلاث طبقات : الأشياء/الأجهزة، والضباب، والسحابة. تتلخص الطريقة المقترحة في نقل البيانات المجمعة من طبقة الاجهزة إلى طبقة FoG حيث يتم تنفيذ عدة خطوات حاسمة بدءاً من تجزئة بيانات مخطط كهربية الدماغ (EEG) وتحويلها إلى تنسيق جدول ثنائي الأبعاد وإنشاء Weighted Visibility Graph (WVG) من بيانات تخطيط كهربية الدماغ (EEG). تستخرج طريقتنا المقترحة تسع ميزات من WVG وعشر ميزات إحصائية إضافية من مجموعة بيانات EEG الأصلية. يتم تغذية كل هذه الميزات إلى أساليب التعلم الآلي لتصنيف الإشارة التي تم الحصول عليها على أنها طبيعية أو غير طبيعية. عشرة من أساليب التعلم الآلي الأكثر شيوعًا استخدمت في هذا النظام .بعد تصنيف الإشارة، سيتم اتخاذ أحد الإجراءين اعتمادًا على حالة التصنيف: إما إرسال إشعار إلى أي مقدم رعاية محدد مسبقًا في حالة حدوث نوبة أو تقليل البيانات باستخدام الطريقة المعتمدة على العتبة في حالة غياب النوبة. ونتيجة لذلك، وفي كلتا الحالتين، يتم تحميل البيانات إلى الطبقة السحابية لمراجعتها لاحقًا من قبل فريق طبي متخصص.واوضحت تم استخدام أربعة سيناريوهات لتقييم طريقتنا المقترحة باستخدام مقاييس تقييم الأداء مثل accuracy، precision، score F1، Specificity ، وما إلى ذلك. وتتجلى قوة الأساليب المقدمة من خلال الاستراتيجية المقترحة، والتي تنتج نسبة 100? في السيناريو الرابع الذي يستخدم نماذج التعلم الالي مع ضبط المعلمات الفائقة وبيانات EEG المتوازنة والميزات المستخلصة.
نشر بواسطة: زهراء عبود احمد
تاريخ: 13/10/2024
تاريخ: 09/10/2024
تاريخ: 08/09/2024
تاريخ: 02/02/2024
تاريخ: 15/01/2024