Predicting EEG seizures using graded spiking neural networks

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Epilepsy is a neurological disorder that affects millions of individuals worldwide. The recurrent seizures associated with epilepsy significantly impact patients’ quality of life. Accurate and timely seizure prediction can greatly improve epilepsy management and enhance patients' overall well-being. In this thesis, a novel non–patient-specific seizure prediction system is proposed, based on Graded Spiking Neural Networks (GSNNs) and deployable on Intel’s Loihi 2 neuromorphic processor. The system was trained using the widely recognized CHB-MIT EEG dataset, and the GSNN-based predictor achieved highly competitive performance compared to existing EEG-based seizure prediction methods. To further enhance the performance and robustness of the proposed system, the following tasks were carried out: Optimization of the model's hyperparameters. Reduction of EEG data volume by selecting the optimal subset of EEG channels. Integration of a time-windowed voting mechanism to improve system resilience to noise and artifacts. Finally, the seizure prediction system was implemented on Intel’s Loihi 2 processor, and its performance was thoroughly analyzed. A comparative evaluation with traditional Artificial Neural Network (ANN)-based systems highlighted the efficiency and lower computational complexity of the GSNN-based approach.

روابط وملفات

التعريف والنوع

رقم الوثيقة

fb5798ac-0018-4e94-a3c8-2acdb9f4c9e5

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf text

أسماء الملفات

fb5798ac-0018-4e94-a3c8-2acdb9f4c9e5_1.pdf

بيانات النشر

ترجمة العنوان

التنبؤ بنوبات الصرع باستخدام الشبكات العصبیة (GSNN)

ألقاب المؤلفين

[{"name_ar":" Medhat Awadalla","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Mostefa Mesbah","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Yazin Khalid Habib Al-Musafir ","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

English

المصدر والدورية

اسم المصدر

Predicting EEG seizures using graded spiking neural networks

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

الصرع هو اضطراب عصبي يصيب ملايين الأفراد حول العالم، وتؤثر النوبات المتكررة المرتبطة به بشكل كبير على جودة حياة المرضى. يُعد التنبؤ الدقيق بالنوبات قبل حدوثها بوقت كافٍ عاملاً مهماً في تحسين إدارة المرض وتعزيز جودة الحياة لدى المصابين به. في هذه الأطروحة، تم اقتراح نظام جديد للتنبؤ بالنوبات لا يعتمد بشكل حصري على مريض معين، وذلك باستخدام الشبكات العصبية المتولدة (Generative Spiking Neural Networks - GSNNs) القابلة للتطبيق على معالج Intel Loihi 2 العصبي. تم تدريب النظام باستخدام مجموعة بيانات EEG المعروفة باسم MIT-CHB، والتي تُستخدم على نطاق واسع في الأبحاث، وقد أظهر النظام أداءً تنافسياً للغاية مقارنة بأساليب التنبؤ الحالية. ولتحسين جودة أداء النظام المقترح القائم على GSNN، تم تنفيذ المهام التالية: تحسين المعاملات الفائضة في المتنبئ (Over-parameterization). تقليل كمية بيانات EEG المستخدمة من خلال اختيار المجموعة الفرعية المثلى من قنوات EEG. تضمين آلية تصويت تعتمد على النوافذ الزمنية لتعزيز متانة النظام في مواجهة الضوضاء والشوائب. وأخيرًا، تم تطبيق نظام التنبؤ بالنوبات على معالج Intel Loihi 2 العصبي وتحليل أدائه. وقد أبرزت المقارنة بين النظام المقترح والأنظمة القائمة على الشبكات العصبية الاصطناعية التقليدية (ANNs) إمكانيات أنظمة GSNN في تحسين الكفاءة وتقليل التعقيد الحسابي.

كلمات الباحثين

Neural networks (Computer science)- Epilepsy

إشراف وإعداد

الإشراف

Medhat Awadalla, Mostefa Mesbah

الإعداد

Yazin Khalid Habib Al-Musafir

الاقتباسات الببليوغرافية