%0 Journal Article %T شناسایی خودکار مراحل خواب از سیگنال EEG تک‌کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی مبتنی بر طبقهبند RUSBoost %J نشریه‌ی علمی مهندسی پزشکی زیستی %I انجمن مهندسی پزشکی ایران %Z 5869-2008 %A شیخی‌وند, سبحان %A قائمی, سحرانه %D 2019 %\ 09/23/2019 %V 13 %N 3 %P 209-222 %! شناسایی خودکار مراحل خواب از سیگنال EEG تک‌کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی مبتنی بر طبقهبند RUSBoost %K تبدیل موجک گسسته %K شناسایی خودکار مراحل خواب %K الگوریتم بهینه‌سازی کلونی مورچگان %K RUSBoost %R 10.22041/ijbme.2019.100663.1432 %X طبقه‌بندی خودکار مراحل خواب به منظور تشخیص به موقع اختلالات و مطالعات مرتبط با خواب امری ضروری است. در این مقاله یک الگوریتم مبتنی بر EEG تک‌کاناله برای شناسایی خودکار مراحل خواب با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی مبتنی بر طبقه‌بند RUSBoost ارائه شده است. سیگنال با استفاده از تبدیل موجک گسسته به چهار سطح تجزیه‌ شده و ویژگی‌های آماری از هر یک از این سطوح استخراج شده است. جهت بهینه‌سازی و کاهش ابعاد بردارهای ویژگی، از یک مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی چندلایه‌ی پس‌انتشار خطا استفاده شده و سپس از آزمون ANOVA برای تایید صحت ویژگی‌های بهینه بهره گرفته شده است. طبقه‌بندی نهایی روی این ویژگی‌های بهینه شده توسط طبقه‌بند RUSBoost صورت گرفته و مشاهده شده است که به طور میانگین صحت طبقه‌بندی 2 تا 6-کلاس مراحل مختلف خواب بالای 90% بوده که نشان دهنده‌ی درصد موفقیت بالاتر روش پیشنهادی در طبقه‌بندی مراحل خواب نسبت به پژوهش‌های پیشین می‌باشد. %U https://www.ijbme.org/article_36377_b6e26cf9202fa910df23cca328fdaf93.pdf