کلاس بندی سیگنال EEG برای تشخیص صرع با روش CNN دو بعدی با دولایه، سه لایه و چهار لایه در پایتون

شرح پروژه

از دیتابیس CHB-MIT استفاده کنید.  لطفا به هر روشی که راحت ترید ابتدا سیگنال EEG را به تصویر دو بعدی مثلا 1*128*128 (یا سایز کمتر) تبدیل کنید و سپس از تصاویر به عنوان ورودی شبکه کانولوشنی دو بعدی استفاده کنید. سپس از مراحل convolution+ Relu ، maxpooling، flatten و سایر مراحل مورد نیاز استفاده کنید. لطفا ابتدا دقت را با دولایه و سپس سه لایه و در آخر چهار لایه بررسی کنید.نیازی به نوشتن گزارش نیست فقط لطفا در مراحل کد نویسی با کامنت توضیح بدهید که هر بخش چه کاری انجام می دهد. 

توجه کنید که این پروژه عملا پیاده سازی یکی از دو مقاله کنفرانسی زیر است: 

A novel epileptic seizure detection system using scalp EEG signals based on hybrid CNN-SVM classifier | IEEE Conference Publication | IEEE Xplore

CNN-based Epilepsy detection using image like features of EEG signals | IEEE Conference Publication | IEEE Xplore

برای توضیحات بیشتر می توانید از مقاله های زیر استفاده نمائید: 

1- طبق مقاله زیر می توانید از continuous wavelet transform استفاده کنید: 

(PDF) EEG dataset classification using CNN method (researchgate.net)

2- طبق مقاله زیر می توانید از short time fourier transform برای تبدیل سیگنال به image استفاده کنید. 

Epileptic Seizures Detection Using Deep Learning Techniques: A Review (nih.gov)

3- همچنین می توانید از مقاله زیر برای اطلاعات بیشتر استفاده کنید

A signal-to-image transformation approach for EEG and MEG signal classification | SpringerLink

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

کاربر313911

عضویت سه سال پیش

15 پروژه ثبت شده ،

0 پروژه در حال انجام ،

0 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 73%