---

مقدمه: تشنج مهم‌ترین تظاهر بیماری صرع بوده و آنالیز دقیق آن نیز از طریق انجام الکتروآنسفالوگرافی امکان پذیراست. به وسیله آشکار سازی دشارژهای صرعی شکل (امواج سوزنی ) امکان تشخیص بیماری صرع در سیگنال EEG وجود دارد. یک درصد افراد در زندگیشان این بیماری را تجربه می‌کنند. پیش از این قابلیت تشخیص هوشمندانه امواج سوزنی بررسی شده اما هدف این تحقیق تشخیص صرع های پتی مال (غایب) و گراندمال از طریق پردازش سیگنال‌های EEG توسط سیستم هوشمند (شبکه عصبی) می‌باشد. روش کار: در این مقاله توصیفی از تعداد 100 عدد سیگنال EEG مربوط به افراد مختلف در شرایط سلامت، فواصل تشنج و درحین تشنج مربوط به دو نیمکره مغزی استفاده شده است. با استفاده از تکنیک‌های نرم افزاری نویز50 هرتزو آرتیفکت آن حذف شده سپس توسط نرولوژیست این سیگنال‌ها به سه دسته سالم، تشنجات صرعی پتی مال (تپیک 3 هرتز) وگراندمال (درفازکلونیک با فرکانس 4 هرتز) به قطعات 6 ثانیه جداسازی شده است. اطلاعات این سیگنال‌ها شامل امواج سوزنی-آهسته، پلی اسپایک و پلی شارپ می‌باشد که استخراج و توسط تکنیک‌های نرم افزاری شبکه‌های عصبی به سه دسته سالم، پتی مال و گراندمال طبقه‌بندی گردیده است. نتایج: در نرم افزار طراحی شده، دقت تشخیص صرع‌های پتی مال و گراندمال در حدود 80 درصد می‌باشد. نتیجه گیری: به علت پیچیدگی در امواج مغزی و سختی تشخیص دیداری نوار مغزی این روش کمک زیادی در تشخیص بیماری صرع به پزشکان می‌کند. این پژوهش فعلا برای تشخیص دو نوع صرع شایع به کار رفته و قابل گسترش به انواع مختلف صرع می‌باشد.