Résumé: Les systèmes automatisés intelligents sont nécessaires pour aider l'analyse visuelle pénible des enregistrements polygraphic. La plupart des systèmes ont besoin de la détection de différentes formes d'onde de l'électroencéphalogramme (EEG). Le problème dans la détection automatisée de l'activité d'alpha est la grande variabilité interindividuelle de son amplitude et durée. Dans ce travail, un raisonnement brouillé basé méthode pour la détection de l'activité d'alpha a été conçu et testé en utilisant un total de 32 enregistrements de sept sujets différents. L'intelligence de la méthode a été distribuée aux dispositifs extraits et à la voie qu'ils ont été combinés. Les intervalles des règles brouillées ont été déterminés ont basé sur des statistiques de dispositif. L'avantage du détecteur est qu'aucun seuil d'amplitude d'alpha ne doit être choisi. L'exécution du détecteur d'alpha a été évaluée avec des courbes de la caractéristique de fonctionnement de récepteur (ROC). Quand la véritable cadence positive était 94,2%, la cadence positive fausse était 9,2%, qui indique la bonne exécution dans l'analyse du sommeil EEG.

Langue: Anglais