header
Image from OpenLibrary

Design and implementation of high accuracy epileptic seizure detection system based on wearable devices using machine learning / Mohamed Fawzy Mohamed Badwy Elkholy ; Ahmed Hussein Mohamed, Hassan Mostafa Hassan.

By: Contributor(s): Material type: TextTextLanguage: English Summary language: English, Arabic Producer: 2022Description: 88 Pages : Charts, Facsimiles ; 25 cm. + CDContent type:
  • text
Media type:
  • Unmediated
Carrier type:
  • volume
Other title:
  • تصميم وتنفيذ نظام عالي الدقة لاكتشاف نوبات الصرع يعتمد على الأجهزة القابلة للارتداء باستخدام تعلم الالة
Subject(s): DDC classification:
  • 621.382 21
Available additional physical forms:
  • Issues also as CD.
Dissertation note: Thesis (M.Sc.)-Cairo University, Faculty of Engineering, Department of Electronics and Electrical Communications, 2022. Summary: أكثر من خمسين مليون شخص على مستوى العالم غير قادرين على عيش حياة طبيعية لأنهم يعانون من الصرع. الصرع هو خلل في الجهاز العصبي المركزي يؤدي إلى نوبات غير مخطط لها.على الرغم من إحراز تقدم كبير في مجال الكشف عن النوبات بالاعتماد على التخطيط الكهربي للمخ عن طريق تعلم الآلة ، إلا أن هناك حاجة كبيرة للتحسين في مجال الأجهزة القابلة للارتداء. تتمتع الأجهزة غير الجراحية القابلة للارتداء بإمكانيات كبيرة للمساعدة في إدارة الصرع. يجب أن تتمتع هذه الأجهزة بجودة إشارة قوية ، ويجب أن يكون المرضى على استعداد لارتدائها لفترات طويلة من الزمن.يهدف العمل المقترح إلى تصميم وتنفيذ نظام فعال وموثوق به للكشف عن نوبات الصرع يعتمد على أجهزة مختلفةيمكن ارتداؤها باستخدام تكنولوجيا تعلم الآلة. تظهر نتائج نظام الكشف عن النوبات المقترح أن الخوارزمية الخاصة بنا تحقق حساسية متوسطة بنسبة مئة فى المائة ومتوسط دقة سبعة وتسعين بالمائةSummary: More than 50 million globally are not able to lead a normal life since they suffer from epilepsy. Epilepsy is an abnormality in the central nervous system that leads to unplanned seizures. Although major progress has been made in the field of EEG-based seizure detection and prediction using ML, there is much need for improvement in the field of non-EEG wearable devices. Non-invasive wearable devices have great potential to aid the management of epilepsy. These devices must have robust signal quality, and patients must be willing to wear them for long periods of time.The proposed work in the thesis aims to design and implement an efficient and reliable epileptic seizure detection system based on different wearable devices using support vector machine (SVM) classification. The proposed seizure detection system achieves Seizure detection results show that our algorithm achieving an average sensitivity of 100% and an average accuracy 97%. Design Cycle Including creating MATLAB model. Although using one signal is not sufficient for high performance detection system, we proposed different combining methods which lead to achieving desired both sensitivity and accuracy. Implementation Cycle including FPGA implementation and functional verification. Proposed using the capability of partial dynamic reconfiguration of FPGA to better utilize the resources.
Tags from this library: No tags from this library for this title. Log in to add tags.
Star ratings
    Average rating: 0.0 (0 votes)

Thesis (M.Sc.)-Cairo University, Faculty of Engineering, Department of Electronics and Electrical Communications, 2022.

Bibliography: Pages 96-101.

أكثر من خمسين مليون شخص على مستوى العالم غير قادرين على عيش حياة طبيعية لأنهم يعانون من الصرع. الصرع هو خلل في الجهاز العصبي المركزي يؤدي إلى نوبات غير مخطط لها.على الرغم من إحراز تقدم كبير في مجال الكشف عن النوبات بالاعتماد على التخطيط الكهربي للمخ عن طريق تعلم الآلة ، إلا أن هناك حاجة كبيرة للتحسين في مجال الأجهزة القابلة للارتداء. تتمتع الأجهزة غير الجراحية القابلة للارتداء بإمكانيات كبيرة للمساعدة في إدارة الصرع. يجب أن تتمتع هذه الأجهزة بجودة إشارة قوية ، ويجب أن يكون المرضى على استعداد لارتدائها لفترات طويلة من الزمن.يهدف العمل المقترح إلى تصميم وتنفيذ نظام فعال وموثوق به للكشف عن نوبات الصرع يعتمد على أجهزة مختلفةيمكن ارتداؤها باستخدام تكنولوجيا تعلم الآلة. تظهر نتائج نظام الكشف عن النوبات المقترح أن الخوارزمية الخاصة بنا تحقق حساسية متوسطة بنسبة مئة فى المائة ومتوسط دقة سبعة وتسعين بالمائة

More than 50 million globally are not able to lead a normal life since they suffer from epilepsy. Epilepsy is an abnormality in the central nervous system that leads to unplanned seizures. Although major progress has been made in the field of EEG-based seizure detection and prediction using ML, there is much need for improvement in the field of non-EEG wearable devices. Non-invasive wearable devices have great potential to aid the management of epilepsy. These devices must have robust signal quality, and patients must be willing to wear them for long periods of time.The proposed work in the thesis aims to design and implement an efficient and reliable epileptic seizure detection system based on different wearable devices using support vector machine (SVM) classification. The proposed seizure detection system achieves Seizure detection results show that our algorithm achieving an average sensitivity of 100% and an average accuracy 97%. Design Cycle Including creating MATLAB model. Although using one signal is not sufficient for high performance detection system, we proposed different combining methods which lead to achieving desired both sensitivity and accuracy. Implementation Cycle including FPGA implementation and functional verification. Proposed using the capability of partial dynamic reconfiguration of FPGA to better utilize the resources.

Issues also as CD.

Text in English and abstract in Arabic & English.

There are no comments on this title.

to post a comment.