Loading...

Recognizing Center of Siezur with Clustering Algorithm

Akhshi, Amin | 2016

1385 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 49318 (04)
  4. University: Sharif University of Technology
  5. Department: Physics
  6. Advisor(s): Rahimitabar, Mohammad Reza
  7. Abstract:
  8. Complex systems are composed of a large number of subsystems behaving in a collective manner. In such systems, which are usually far from equilibrium, collective behavior arises due to self-organization and results in the formation of temporal, spatial, spatio-temporall structures. Examples of complex systems are turbulent flow, stock markets, dynamics of a brain, etc. In study of the complex systems, we always encounter with handling and analysing of a Big-Data set. There are several approaches to overcome this problem, among which the most powerful method is the clustering analysis. Clustering algorithm is based on the classifying of dynamics of complex system using some similarity measure. In this thesis, we analyze extended EEG data sets of 25 patients with epileptic brain. At first, time series of EEG is divided to equal time windows, then using the corresponding mutual information matrix in each window, clustering analysis have been carry out for estimated matrices. In similar way, we define the "mean phase coherence matrices" in each window and apply clustering analysis again. The mean phase coherence is able to specify the degree of synchronization of different parts of brain. We find qualitatively that the clustering analysis of mutual information and mean phase coherence matrices provide same results for the states of epileptic brain. We are able to classify several brain states, which dynamics of brain jumps from one state to another in each window, so that in some states brain stays for a short period. We determine the state dynamics of epileptic brain and also show that the method enables us to detect the structure responsible for seizure generation (epileptic focus)
  9. Keywords:
  10. Epilepsy ; Mutual Information ; Clustering ; Mean Phase Coherency ; Electroencphalogram Signal ; Synchronisation

 Digital Object List

 Bookmark

  • تصویبنامه
  • به نام خدا
  • دانشگاه صنعتي شريف
  • دانشکده فیزیک
  • پایاننامه کارشناسي ارشد
  • تقدیم به :
  • تشكر و قدرداني:
  • چکیده
  • فهرست مطالب
  • فهرست شکل‌ها
  • فهرست جداول
  • فصل1 مقدمه
    • 1-1 مقدمه
    • 1-2 طرح موضوع
  • فصل2 نظریه اطلاعات و خوشه بندی
    • 2-1 مقدمه
    • 2-2 طبقه بندی اطلاعات
      • 2-2-1 علل طبقه بندی
      • 2-2-2 خوشه بندی21F
      • 2-2-3 الگوریتم های خوشه بندی
        • 2-2-3-1 خوشه بندی بر پایه توزیع
        • 2-2-3-2 خوشه بندی بر پایه تراکم
        • 2-2-3-3 خوشه بندی سلسله مراتبی
        • 2-2-3-4 عدم تشابه خوشه
        • 2-2-3-5 متریک
        • 2-2-3-6 خوشه بندی با روش تک اتصالی
        • 2-2-3-7 خوشه‌بندي با روش اتصال کامل
        • 2-2-3-9 ديگر روشهاي خوشه بندي سلسله مراتبي
        • 2-2-3-10 الگوريتم خوشه‌بندي پايين به بالاي عمومي:
        • 2-2-3-11 روش خوشه‌بندي K-Means
        • 2-2-3-12 مشکلات روش خوشه‌بندي K-Means
        • 2-2-3-13 الگوريتم خوشه‌بندي 96F LBG
    • 2-3 علیّت99F
    • 2-4 اندازه گیری علّی
    • 2-5 نظریه اطلاعات138F
      • 2-5-1 تعاریف توابع نظریه اطلاعات پایه
      • 2-5-2 اطلاعات، آنتروپی و سیستم های دینامیکی
      • 2-5-3 آنتروپی دانه درشت و نرخ اطلاعات
      • 2-5-4 اطلاعات متقابل شرطی و آنتروپی انتقال
      • 2-5-5 طبقه بندی روش های موجود در محاسبه آنتروپی و اطلاعات متقابل
        • 2-5-5-1 شرایط و معیارها
        • 2-5-5-2 طبقه بندی روش ها برای تخمین آنتروپی
    • 2-6 بررسی نظریه ی اطلاعات برای نوسانگرها
      • 2-6-1 نتایج مربوط به نوسانگرهای فازی جفت شده روسلر
    • 2-7 پدیده همزمانی و همبستگی
  • فصل3 صرع
    • 3-1 مقدمه
    • 3-2 تعریف صرع و انواع آن
      • 3-2-1 زمان حملات
      • 3-2-2 انواع صرع
    • 3-3 فیزیولوژی عصبی قشر مغز و مکانیسم پایه در صرع
      • 3-3-1 فیزیولوژی عصبی قشر مغز199F
      • 3-3-2 فیزیولوژی و شیمی حاکم بر تحریک پذیری عصبی
      • 3-3-3 مکانیسم پایه صرع
    • 3-4 الکتروانسفالوگرام و صرع
      • 3-4-1 الکتروانسفالوگرافی درون جمجمه ای( تهاجمی)
      • 3-4-2 تحلیل داده های EEG
      • 3-4-3 تحلیل غیر خطیEEG
  • فصل4 داده ها و روش تحقیق
    • 4-1 مقدمه
    • 4-2 داده ها
    • 4-3 روش
    • 4-4 نتایج
      • 4-4-1 ساختار همبستگی میان اطلاعات متقابل
      • 4-4-2 همزمانی فازی
  • فصل5 خوشه بندی و تعیین کانون صرع
    • 5-1 مقدمه
    • 5-2 خوشه بندی
    • 5-3 خوشه بندی اطلاعات فازی
    • 5-4 نتیجه‌گیری
    • 5-5 جمع بندی و پیشنهاد
  • منابع
...see more