حوزه های مختلف کاربردی پردازش سیگنال مغزی در ایران

Authors

اسدالله شاه بهرامی

asadollah shahbahrami computer eng. departmentگروه مهندسی کامپیوتر،دانشکده فنی،دانشکاه گیلان،رشت،ایران کیومرث نجفی

kiumarc najafi pscological departmentگروه روانپزشکی،دانشکده پزشکی،دانشگاه علوم پزشکی گیلان،رشت،ایران طاهره نجفی

tahereh najafi computer eng. departmentدانشکده فنی،دانشگاه آزاد اسلامی،رشت،ایران

abstract

تحقیقات نشان می دهد که اعمال انسان نتیجه عملکرد نورونی داخل مغز وی است. بازخورد این عملکرد بصورت سیگنال ساطع شده از سطح جمجمه قابل دریافت و پردازش است. دریافت و ثبت سیگنال های مغزی توسط دستگاه eeg قابل انجام است. محققان از شیوه های گوناگونی در راستای اخذ و پیش پردازش سیگنال، استخراج و کاهش ویژگی و انواع طبقه بندی کننده ها در پژوهش های مختلف استفاده کرده اند. با توجه به مطالعات جمع آوری شده از پایگاه های علمی داخلی و خارجی که توسط پژوهشگران ایرانی تا سال 1394 در زمینه پردازش سیگنال مغزی انجام گرفته است، مشخص گردیدکه بیشتر پژوهش ها در بخش های پزشکی و ارتباط مغز با رایانه صورت گرفته و نیز نمونه گیری و اخذ سیگنال از ناحیه مرکزی سطح جمجمه بیشتر مورد استفاده قرار گرفته است و در میان انواع مختلف روش های استخراج ویژگی و کاهش آن، روش آماری برای استخراج ویژگی و روش گزینشی برای کاهش آن استفاده شده است. در نهایت ماشین بردار پشتیبان بیشترین استفاده را در طبقه بندی کننده های سیگنال مغزی داشته است. در انتها با درنظر گرفتن فراوانی روش های استفاده شده در مراحل پردازش سیگنال مغز در بخش پزشکی، بر روی تشخیص اضطراب و افسردگی پنجاه سوژه، پژوهشی صورت گرفت و نتیجه با دقت 97 درصد حاصل گردید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد موجک‌ها در پردازش سیگنال

موجک‌ها ابزاری قوی برای تجزیه، تحلیل و پردازش سیگنال‌های دیجیتال هستند. تبدیل موجک، نمایش دامنه-زمان یک سیگنال را در قالب ضرایب موجک به نمایش فرکانس-زمان تبدیل می کند. ضرایب موجک می توانند در قالب یک روش وابسته به فرکانس برای دستیابی به اثرات پردازش‌های گوناگون سیگنال، به کار گرفته شوند و همچنین تبدیل موجک معکوس، ضرایب موجک بدست آمده را به نمایش دامنه-زمان به منظور دست یابی به یک سیگنال اصلاح ش...

full text

استخراج دینامیک سیگنال مغزی در حالت های مختلف بیهوشی به کمک تحلیل طرح پوآنکاره

 Aims and background: Poincare plot and its length and width are known as a criterion for short-term variations of electroencephalogram signals )EEGs(. This study evaluates the effect of time delay on changes in the width of the Poincare plot in brain signal during different anesthesia states. Materials and Methods: Poincare plots are drawn with one to six delay in three sets, including awake s...

full text

پردازش در حوزه فشرده سیگنال ویدئویی mpeg

در این پایان نامه به مبحث پردازش در حوزه فشرده می پردازیم و با استفاده از آن الگوریتمی برای وارد کردن لوگو در حوزه فشرده سیگنال ویدئوئی mpeg پیشنهاد می کنیم. پردازش روی تصاویر ساکن و متحرک را می توان پس از دیکد کردن آنها و در حوزه مکان انجام داد. ولی انجام مستقیم پردازش در حوزه فشرده، با حذف مراحل دیکد کردن و کدکردن مجدد باعث افزایش سرعت و کاهش پیچیدگی می شود. آشنایی با پردازش در حوزه فشرده مست...

15 صفحه اول

شکل‌دهی پرتو مقاوم در پردازش سیگنال آرایه‌ای

شکل‌دهی پرتو یکی از مهم‌ترین بلوک‌های پردازش سیگنال آرایه‌ای در سونار می‌باشد که به دلیل ماهیت محیط و شرایط کاری، نیازمند بهره‌گیری از روش‌های وفقی و مقاوم است تا بتواند مشخصات مناسبی در خروجی شکل‌دهنده پرتو ارائه دهد. در مقاله حاضر، به بررسی و تحلیل آخرین روش‌های شکل‌دهی پرتو وفقی و مقاوم مانند روش‌های تغییر ماتریس کوواریانس بهبودیافته، پرداخته شده و در نهایت به کمک شبیه‌سازی در سناریوهای متفا...

full text

استفاده از روش های مبتنی بر پردازش آماری سیگنال در آشکارسازی مولفهp300 سیگنال مغزی

جنبه های شناختی فعالیت مغز، یکی از جذاب ترین زمینه های تحقیقاتی در بسیاری از علوم مرتبط با مغز است. از جمله موارد پرکاربرد برای تحقیق درباره فعالیت های شناختی مغز، بررسی بروز مولفه مغزی p300 است، که کاربردهایی از قبیل طراحی واسط مغز-کامپیوتر و دروغ سنجی مغزی دارد. در این تحقیق، راهکارهایی به منظور افزایش درصد صحت تشخیص p300 معرفی شده است. کارایی روش های پیشنهاد شده، در دو حیطه آشکارسازی p300 و ...

15 صفحه اول

My Resources

Save resource for easier access later


Journal title:
پردازش علائم و داده ها

جلد ۱۳، شماره ۳، صفحات ۱۲۹-۱۵۴

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023