ناقشت رسالة الماجستير في كلية علوم الحاسوب وتكنولوجيا المعلومات في جامعة القادسية (تشخيص النبضة الدماغية باستخدام الأنظمة الإلكترونية الكفوءة) للطالب صفاء شبرم علي.
قدمت الدراسة أنظمة ذكية لتشخيص حالات الصرع من خلال قراءة النبضه الدماغية وإن المعتاد في الفحص هو تسجيل كمية هائلة من بيانات السلاسل الزمنية الطبية الحيوية مثل إشارات مخطط كهربية الدماغ (EEG) يوميًا لمراقبة أداء الإنسان وتشخيص أمراض الدماغ المختلفة، ويعد تحليل هذه السجلات الطبية الحيوية (بكفاءة ودقة) تحديًا بالنسبة للباحثين ويمكن أن يساعد تطوير طرق جديدة لشرح وتصنيف هذه الإشارات في إدارتها والتحقيق فيها وتشخيصها.
قدم الباحث في الرسالة إقتراح طرق جديدة للتصنيف وتحليل إشارات EEG بناءً على نماذج تشابه الفراكتال وجيب التمام، كذلك تم في الدراسة تطوير نموذجين مقترحين؛ حيث تم تنفيذ النموذج الأول باستخدام الفراكتال المقترح وطريقة جيب التمام المصنف بدون تحسين النموذج، كما تم إشتقاق نموذج رياضي كسوري في هذا العمل والتمكن من تحقيق معادلات وعوامل رياضية جديدة للفراكتال، هذا وتم إشتقاق عامل الفراكتال الجديد عن قصد كعامل تصنيف، وتساعد عوامل ترتيب الفراكتال في ملامسة إشارات مخطط كهربية الدماغ وترتيب أفضل مجموعة لإشارة الوصول الجديدة، وبالتالي أصبحت مهمة التصنيف أسهل بكثير حيث يعمل المصنف على سجلات مماثلة فقط.
اوضح الباحث انه تمت مقارنة هذا العمل مع خوارزميات التعلم الآلي الأكثر شيوعًا واستخداماً في مشاكل التصنيف، لتُظهر النتائج أن الأساليب المقترحة تفوقت على معظم خوارزميات التعلم الآلي مثل آلة متجه الدعم، أقرب جار لـ K ، نايف بايز ، الغابة العشوائية ، وشجرة القرار.
كما أظهرت النتائج أن الأساليب المقترحة لتصنيف بيانات النبضة الدماغية فعالة، وحقق نموذج التشابه الفراكتال وجيب التمام دقة عالية تصل إلى 100٪ في حالة التصنيف من فئتين وما يصل إلى 88٪ في حالة التصنيف الخماسي لإشارات EEG، وستساعد نتائج هذا العمل المتخصصين في المجالات الطبية ذات الصلة، وستقلل من تكاليف الكشف عن أمراض الدماغ وتشخيصها.
