حذف آرتیفکت های سیگنال eeg با استفاده از شبکه های عصبی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز
- author آیسا جعفری فرمند
- adviser محمدعلی بادامچی زاده محمدعلی نظری
- Number of pages: First 15 pages
- publication year 1390
abstract
سیگنال های مغزی eeg کاربردهای حیاتی مهمی در زمینه های مختلف پزشکی و همچنین سیستم های bci، دارا می باشند، و به همین جهت دسترسی به سیگنالی مناسب و قابل استفاده از اهمیت بالایی برخوردار می باشد. در این میان مشکل حضور اجتناب ناپذیر سیگنال های مزاحم آرتیفکتی در سیگنال eeg، همواره بر سر راه کارآیی این سیگنال باارزش وجود داشته و قابلیت استفاده از آن را دچار اختلال می نماید. آرتیفکت ها اغتشاشات ناخواسته ای هستند که به طور عمده از فعالیت های اجتناب ناپذیر انسانی همچون ضربان قلب، پلک زدن و فعالیت های ماهیچه های صورت در زمان دریافت سیگنال های eeg نشأت می گیرند، و می توانند باعث تغییر شکل و ایجاد ابهام در این امواج شود. از این رو ارائه ی راهکاری مناسب در جهت رفع این آرتیفکت ها، که قابلیت عملکرد خودکار را داشته و در شرایط عام توسط افراد با تخصص های گوناگون قابل استفاده باشد، و همچنین عملکرد مطلوبی درجهت حفظ اطلاعات سیگنال اصلی از خود نشان دهد، جایگاه بالایی را در تمامی کاربردهای سیگنال eeg دارا می باشد. با توجه به اهمیت موضوع در این پایان نامه تلاش در جهت یافتن راهکاری مناسب در این زمینه صورت گرفته است. بر این اساس مقایسه ای بین روش های مختلف رفع آرتیفکت های سیگنال eeg صورت گرفته و روش حذف نویز با استفاده از فیلترهای وفقی (anc)، به جهت سادگی محاسبات و قابلیت استفاده در شرایط عام، به عنوان روش برتر معرفی شده است و به منظور بالا بردن کیفیت عملکرد، با توجه به برتری های خاص شبکه های عصبی من جمله عملکرد خودکار و خودآموز و همچنین عمومیت آن ها، استفاده از این شبکه ها به عنوان فیلترهای وفقی توصیه شده است. با بررسی انواع مختلف شبکه های عصبی، با توجه به خاصیت غیرخطی و پیچیدگی بالای سیستم مورد مطالعه، یعنی بدن انسان، این نتیجه حاصل شد، که شبکه های عصبی موجود میزان مطلوبی از حذف آرتیفکت ها را ارائه نمی دهند. به همین جهت در این پایان نامه فیلتر وفقی جدیدی بر اساس شبکه های عصبی fln و rbfn معرفی شده است که کارآیی داشته و نتایج بهتری را نسبت به شبکه های پیشین از خود نشان می دهد. روش معرفی شده قادر است با موفقیت بالایی آرتیفکت ها را حذف کرده و سیگنال eeg مطلوب را استخراج نماید. نتایج حاصل از شبیه سازی ها نیز برای یک نمونه دیتا ارائه شده که به خوبی موید کارآیی مطلوب فیلتر معرفی شده، می باشد.
similar resources
یک 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 textحذف خودکار آرتیفکت چشمی از سیگنال های مغزی با استفاده از ویژگی های آماری و زمانی- فرکانسی مولفه های مستقل
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 مرب...
full textشناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی
در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در ...
full textحذف خودکار آرتیفکت چشمی از سیگنال های مغزی با استفاده از ویژگی های آماری و زمانی- فرکانسی مولفه های مستقل
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 مرب...
full textطبقه بندی حمله صرعی در سیگنال EEG با استفاده از سیستم استنتاج عصبی- فازی تطابقی
Background & Aims: Epilepsy is a brain disorder in which nerve cells receive abnormal inputs. This disease can lead to abnormal behaviors, feelings and symptoms such as loss of consciousness, which is called the seizure. Identification and classification of the epileptic seizure events in electroencephalographic signal against free seizure intervals plays an important role in clinical investiga...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023