Eeg Signal Classification And Forecasting For Epileptic Seizure Prediction
Résumé: EEG signal recordings are increasingly replacing the old methods of diagnosis in medical field of many neurological disorders. Our contribution in this project is the study and development of EEG signal classification and forecasting algorithms for epilepsy diagnosis using machine learningusing one rhythm; for classification, an optimum classifier is proposed with only one used rhythm so that both execution time and number of features are reduced; for forecasting, the value of RMSE is minimized when using LSTM where the best hyperparameters are found. Firstly, we used wavelet packet decomposition (WPD) to extract the five rhythms of brain activity from the public Epilepsy-EEG recordings in order to represent each signal with features vector; then we applied on it the well-known classification methods. Secondly, we implemented forecasting methods for predicting seizures states on the signals using statistics methods and LSTM. A statistical study is done to validate the different algorithms.
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
