|
|
پژوهش های ریاضی، جلد ۱۱، شماره ۲، صفحات ۷۵-۹۴
|
|
|
| عنوان فارسی |
یک چارچوب بهینه‌سازی سه‌سطحی مبتنی بر مدل بیزین برای انتخاب کانال بهینه EEG در پیش‌بینی تشنج |
|
| چکیده فارسی مقاله |
در این پژوهش، یک چارچوب سه‌مرحله‌ای بهینه‌سازی برای انتخاب کانال بهینه EEG با هدف بهبود پیش‌بینی بهینه تشنج ارائه شده است. این رویکرد بر پایه اصول نظریه بیز شکل گرفته و با رویکرد روش‌های مبتنی بر بهینه‌سازی سه سطحی توسعه یافته است. در مرحله نخست، با استفاده از احتمال شرطی حاصل از همبستگی میان قطعه‌های زمانی، سیگنال‌های پیش از تشنج و بازه زمانی تشنج محاسبه شده و با در نظر گرفتن احتمال پیشین، احتمال پسین مدل‌سازی می‌شود و به عنوان تابع هدف سطح اول بهینه می‌شود. در سطح دوم، از احتمال بهینه‌شده برای تعیین زمان بهینه پیش‌بینی تشنج در هر کانال استفاده می‌شود؛ به‌گونه‌ای که این زمان بیانگر زودترین لحظه‌ای است که اطلاعات مرتبط با تشنج در آن کانال آشکار می‌شود. مساله بهینه‌سازی سطح سوم در پی یافتن کانال بهینه با استفاده از زمان بهینه هر کانال است. این فرآیند بهینه‌سازی چندسطحی، انتخاب کانالی را تضمین می‌کند که علاوه بر کاهش تأخیر پیش‌بینی، بیشترین اطلاعات مفید را در اختیار سیستم قرار می‌دهد. اجرای این روش بر روی داده‌های واقعی مربوط به ۱۴ بیمار مبتلا به صرع نشان می‌دهد که روش پیشنهادی می‌تواند تعادل کارایی بین دقت پیش بینی و پیچیدگی مدل ایجاد نماید.
|
|
| کلیدواژه‌های فارسی مقاله |
مدل بیزین، بهینه‌سازی چندهدفه، انتخاب متغیر، تحلیل همبستگی، سیگنال EEG، مدل‌سازی احتمالاتی |
|
| عنوان انگلیسی |
A Bayesian Tri-Level Optimization Framework for Optimal EEG Channel Selection in Seizure Prediction |
|
| چکیده انگلیسی مقاله |
In this study, a tri-level optimization framework is proposed for optimal EEG channel selection with the aim of improving seizure prediction accuracy. This approach is grounded in Bayesian theory and developed based on principles of tri-level optimization methods. In the first level, the conditional probability derived from the correlation between temporal segments of preictal and ictal EEG signals is calculated. By incorporating the prior probability, the posterior probability is modeled and optimized as the objective function of the first level, which is applied, at the second level, to determine the optimal seizure prediction time for each channel, representing the earliest moment when seizure-related information becomes evident in that channel. The third-level optimization problem seeks to identify the optimal EEG channel using the optimal timing of each channel. This tri-level process ensures the selection of a channel that not only minimizes prediction delay but also provides the most informative signal for the system. The implementation of this method on real data from 14 patients with epilepsy demonstrates that the proposed approach can achieve an efficient trade-off between prediction accuracy and model complexity.
|
|
| کلیدواژه‌های انگلیسی مقاله |
Bayesian model, multi-level optimization, channel selection, correlation analysis, EEG signal, probabilistic modeling |
|
| نویسندگان مقاله |
ماریا افشاری‌راد | Maria Afsharirad
دانشگاه علم و فناوری مازندران
مریم خوانساری | Maryam Khansari
|
|
| نشانی اینترنتی |
http://mmr.khu.ac.ir/browse.php?a_code=A-10-1828-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
ریاضی |
| نوع مقاله منتشر شده |
علمی پژوهشی کاربردی |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|
