Skip to main content
SUPERVISOR
Farzaneh Shayegh boroujeni,Marzieh Kamali
فرزانه شایق بروجنی (استاد مشاور) مرضیه کمالی (استاد راهنما)
 
STUDENT
Masoud Karimi
مسعود کریمی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1396

TITLE

Closed loop control of chronic and acute epileptic seizures in Epileptor model using adaptive sliding mode control
Epilepsy is one of the common neurological disorders that affects about one percent of the world’s population. Treatment of the disease is typically carried out by methods like surgery or medicine. If a patient’s condition is not suitable for surgery or he is resistance to drugs, the electrical stimulation is considered as an alternative solution which can be divided into two groups of open and closed loop. In the open loop method, an expert tries to adjust the stimulation parameters manually by notification of the current state of the patient with trial and error method. In this method, side effects of stimulation can be significant due to not considering any feedback of the system. Many computational models have been proposed to simulate epileptic seizures. Among the types of these models, Eٍpileptor model has been noticed due to features such as simplicity and producing seizures automatically. Researches have been done to offer a proper algorithm for suppressing epileptic seizures in Epileptor model, but unfortunately most of them are weak against uncertainties due to the lack of a resistant structure in the controller. In this thesis, two categories of dynamic surface and adaptive sliding mode control are presented for suppression and termination of seizures in the Epileptor and their stability is proved by using Liapanov-like functions. By adding uncertainty to the model, acute and chronic seizures are added to normal seizures and the performance of controllers in these conditions is evaluated. Next, by connecting the two Epileptors, the effectiveness of the controllers is examined against the propagation of seizure in large areas of the brain. Despite success of both controllers in reducing seizures, the simulation results show better performance of the adaptive sliding model controller in suppressing seizures at three different levels of uncertainty. closed loop electrical stimulation, Epileptor model, adaptive sliding control, dynamic surface control, state estimation
صرع یکی از اختلال های شایع نورولوژیکی است که حدود یک درصد جمعیت جهان به آن مبتلا هستند. درمان این بیماری به طور معمول توسط روش هایی نظیر جراحی و دارو صورت می گیرد. درصورتی که وضعیت بیمار برای جراحی مناسب نباشد و یا نسبت به داروها مقاومت نشان دهد، تحریک الکتریکی به عنوان یک راه حل جایگزین مطرح می گردد. تحریک الکتریکی می تواند به دو روش کلی حلقه باز و حلقه بسته تقسیم بندی شود. در روش حلقه باز یک متخصص با اطلاع از وضعیت کنونی بیمار سعی در تنظیم پارامتر های تحریک به صورت دستی و به روش سعی و خطا دارد. از آن جایی که از هیچ سیگنالی برای بازخورد استفاده نمی شود، اثر های منفی تحریک می تواند در بیمار ظاهر شود. مدل های محاسباتی بسیاری جهت شبیه سازی تشنجات صرعی ارائه شده اند. در بین انواع این مدل ها، مدل صرع ساز به دلیل ویژگی هایی نظیر سادگی و امکان تولید تشنج به صورت خود به خودی مورد توجه قرار گرفته است. پژوهش هایی در زمینه ارائه یک الگوریتم مناسب جهت سرکوب تشنجات صرعی در مدل صرع ساز انجام شده است، اما متاسفانه اغلب آن ها به دلیل نبود ساختار مقاوم در کنترل کننده در برابر نامعینی ها دارای ضعف هستند. در این پایان نامه دو دسته کنترل کننده سطح دینامیکی و مد لغزشی تطبیقی جهت سرکوب و خاتمه تشنجات در مدل صرع ساز ارائه شده و پایداری آن ها با استفاده از توابع شبه لیاپانوف اثبات می شود. با افزودن نامعینی به مدل، تشنجات حاد و مزمن نیز به تشنجات عادی اضافه شده و عملکرد کنترل کننده ها در این شرایط مورد ارزیابی قرار می گیرد. در ادامه با اتصال دو صرع ساز به یکدیگر، کارایی کنترل کننده ها درمقابل انتشار صرع در نواحی گسترده مغز بررسی می شود. علی رغم موفقیت هر دو کنترل کننده در کاهش تشنجات، نتایج شبیه سازی نشان از عملکرد بهتر کنترل کننده مدلغزشی تطبیقی در سرکوب تشنجات در سه سطح مختلف نامعینی ها را دارد. تحریک الکتریکی حلقه بسته، مدل صرع ساز، کنترل مدلغزشی تطبیقی، کنترل سطح دینامیکی، تخمین زن حالت

تحت نظارت وف ایرانی