حذف خودکار آرتیفکت چشمی از سیگنال های مغزی با استفاده از ویژگی های آماری و زمانی- فرکانسی مولفه های مستقل
Authors
abstract
مهمترین مشکل در بررسی و پردازش ثبت های الکتروآنسفالوگرام (eeg) حضور انواع سیگنال های ناخواسته (آرتیفکت ها) است که حذف آنها با روش تحلیل مولفه های مستقل از بهترین گزینه های ممکن است. هدف مساله تحلیل مولفه های مستقل جداسازی کور ترکیبی خطی از منابع مستقل است. با اعمال این روش روی سیگنال های مغزی آغشته به آرتیفکت، آرتیفکت ها به صورت مولفه های مستقلی استخراج می شوند. تشخیص خودکار مولفه های مستقل مربوط به آرتیفکت از سایر مولفه ها باید بر اساس معیارهای مناسبی صورت گیرد. هنوز درباره انتخاب این معیارها توافقی کلی وجود ندارد. در این تحقیق مجموعه ای از معیارهای آماری و زمانی- فرکانسی معرفی شده است که می توانند در قالب یک قانون تشخیص و تصمیم گیری خودکار، مولفه های نمایانگر آرتیفکت های چشمی را با دقت بالا شناسایی کنند. در روش پیشنهادی به جای مقایسه معیارهای محاسبه شده برای مولفه ها با سطوح آستانه یا الگوهای خاص، ویژگی های مولفه های یک آزمون با هم مقایسه می شوند و بر اساس یک قانون تصمیم گیری مولفه های نمایانگر آرتیفکت چشمی (اثر پلک زدن و حرکت افقی و عمودی کره چشم) در صورت وجود در آزمون مورد نظر شناسایی و حذف می شوند. عملکرد روش پیشنهادی روی 2000 قطعه 4 ثانیه ای سیگنال eeg حاوی انواع آرتیفکت های چشمی آزمایش شده است. دقت تشخیص روش در مورد این داده ها 92.8% به دست آمده است. آزمون های آماری نشان می دهند که مقادیر معیارهای مربوط به مولفه های آرتیفکت و غیر آرتیفکت تفاوت قابل ملاحظه ای با هم دارند.
similar resources
تجزیه و تحلیل احساسات افراد از طریق سیگنال های مغزی با استفاده از تابع نگاشت پوانکاره
Introduction: Dynamic alterations of the brain are of high significance when it comes to analyze the human feelings. In this study, the hidden patterns corresponding for the emotional states have been investigated by adopting a certain Poincare’ map function inspired by the theory of chaos. The present study aimed to explore the significance relationship between the proposed methodology and the...
full textارزیابی قابلیت ویژگی های زمانی، فرکانسی سیگنال eeg و ویژگی های مستخرج از تبدیل بسته موجک در تفکیک مراحل مختلف خواب با استفاده از شبکه som
سیگنال های زیستی مختلف شامل eeg، eogو emgبه منظور تشخیص اختلالات خواب در آزمایشگاه های خواب ثبت می شوند. تحلیل اطلاعات ثبت شده در زمان خواب به وسیله متخصص خواب، به صورت شهودی انجام می شود. طبقه بندی شهودی مراحل خواب به دلیل طولانی بودن ثبت ها، کار زمان بر و خسته کننده ای است. تحلیل خودکار خواب می تواند این امر را تسهیل کند. مهم ترین گام برای طبقه بندی خودکار مراحل خواب، استخراج ویژگی های مناسب ...
full textیک روش ترکیبی جدید برای حذف آرتیفکت EOG از سیگنال EEG با استفاده از CCA و RLS
هدف این مقاله، ارزیابی روش ترکیبی آنالیز همبستگی کانونی- فیلتر تطبیقی حداقل مربعات بازگشتی (CCA-RLS) در حذف آرتیفکت چشمی (EOG) از سیگنال مغزی (EEG) و مقایسة آن با روشهای آنالیز مؤلفههای مستقل (ICA)، آنالیز همبستگی کانونی(CCA)، فیلتر تطبیقی حداقل مربعات بازگشتی (RLS) و روش ترکیبی ICA-RLS است. برای این منظور، بعد از تجزیة سیگنال نویزی توسط CCA، مؤلفة شامل آرتیفکت EOG با محاسبة ...
full textThe effect of cyclosporine on asymmetric antibodies and serum transforming growth factor beta1 in abortion-prone model of mice CBA/J x DBA/2
كچ ي هد فده و هقباس : ي ک ي طقس زورب للع زا اه ي ،ررکم ا لماوع تلاخد ي ژولونوم ي ک ا رد ي ن قم طققس عون ي وراد دقشاب ي س ي روپسولک ي ،ن ح لدم رد طقس شهاک بجوم ي ناو ي CBA/j×DBA/2 م ي تنآ ددرگ ي داب ي اه ي ان و راققتم TGF-β لماوع زا عت مهم يي ن گلماح تشونرس هدننک ي سررب روظنم هب رضاح هعلاطم تسا ي ات ث ي ر اس ي روپسولک ي ن م رب ي از ا ي ن تنآ عون ي داب ي س و اه ي اکوت ي ن TGF...
full textطبقه بندی احساس افراد با استفاده از سیگنال های مغزی و محیطی
Abstract Emotions play a powerful and significant role in human beings everyday life. They motivate us, impact our beliefs and decision making and would affect some cognitive processes like creativity, attention, and memory. Nowadays the use of emotion in computers is an increasingly in vogue field. In many ways emotions are one of the last and least explored frontiers of intuitive human-comput...
full textMy Resources
Save resource for easier access later
Journal title:
فصل نامه علمی پژوهشی مهندسی پزشکی زیستیPublisher: انجمن مهندسی پزشکی ایران
ISSN 8006-9685
volume 3
issue 3 2009
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023