てんかん検出のための離散ウェーブレット変換ベースのハースト指数に関するケーススタディ

てんかん発作はてんかんの症状です。EEGレコードの慎重な分析は、てんかん障害を引き起こすメカニズムの貴重な洞察と理解を向上させることができます。EEGにおけるてんかん型の排出の検出は、てんかんの診断における重要な成分です。EEG信号は非定常であるため、従来の周波数および時間ドメイン分析はより良い精度を提供しません。したがって、この作業では、影響を受ける人の発作段階および事前段階で得られたEEGデータセットからの特徴抽出のためのHurst Exponent（HE）ベースの離散ウェーブレット変換技術の実装によるてんかんの決定の概要を提供する試みがなされました。最後に、SVMおよびKNN分類器を使用してEEG信号を分類します。99％の最高の精度は、SVMを使用して取得されます。

Epileptic seizures are manifestations of epilepsy. Careful analysis of EEG records can provide valuable insight and improved understanding of the mechanism causing epileptic disorders. The detection of epileptic form discharges in EEG is an important component in the diagnosis of epilepsy. As EEG signals are non-stationary, the conventional frequency and time domain analysis does not provide better accuracy. So, in this work an attempt has been made to provide an overview of the determination of epilepsy by implementation of Hurst exponent (HE)-based discrete wavelet transform techniques for feature extraction from EEG data sets obtained during ictal and pre ictal stages of affected person and finally classifying EEG signals using SVM and KNN Classifiers. The The highest accuracy of 99% is obtained using SVM.