تخمین هیپنوتیزم پذیری از روی سیگنال eeg حالت نرمال با استفاده از روش دینامیک های نمادین
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنی
- author زهرا رشوندی
- adviser علی مطیع نصرآبادی
- Number of pages: First 15 pages
- publication year 1393
abstract
یکی از حالت¬های مغزی مورد توجه محققان، هیپنوتیزم است که تظاهرات جالبی بر انسان دارد. از جمله مهم¬ترین اثرات و تظاهرات هیپنوتیزم، افزایش تمرکز، بوجود آمدن حالت خلسه و حالت تلقین-پذیری است که می¬تواند در درمان بسیاری از بیماری¬ها و مشکلات روانی و کاهش درد موثر واقع شود. در هیپنوتیزم¬درمانی، باید شخص دارای هیپنوتیزم¬پذیری مناسبی باشد و به عمق لازمی از هیپنوتیزم برسد تا دستورات درمانی تاثیر داشته باشند. بنابراین توجه به میزان هیپنوتیزم¬پذیری فرد، امری ضروری است. افراد از نظر هیپنوتیزم¬پذیری به سه گروه عمده تقسیم می¬شوند که عبارتند از افراد با قابلیت هیپنوتیزم پذیری کم، متوسط و زیاد. در این مطالعه، برای ارزیابی تفکیک¬پذیری گروه¬ها با قابلیت هیپنوتیزم¬پذیری کم، متوسط و زیاد، از سیگنال مغزی حالت نرمال در سه حالت ذهنی آرامش با چشمان بسته، انجام ضرب ذهنی و چرخش تصویر استفاده شده است تا تخمین هیپنوتیزم¬پذیری، بدون هیپنوتیزم¬ کردن افراد صورت گیرد. اکثر محققان قبلی، از سیگنال مغزی ثبت شده در حالت هیپنوتیزم استفاده کرده¬اند. در بررسی انجام شده، ویژگی¬هایی مانند ویژگی¬های منحنی¬های بازگشتی، آنتروپی ویولت، آنتروپی نمونه و آنتروپی جایگشت از سیگنال، استخراج شده، سپس بردار ویژگی به طبقه¬بند اعمال می شود. معیار اعتبارسنجی طبقه¬بند، روش loo می¬باشد. مرحله¬ی طبقه¬بندی، با دو دیدگاه انجام می¬شود. در دیدگاه اول، افراد بر طبق نمره¬ی مقیاس واترلو-استنفورد به 3 گروه با هیپنوتیزم-پذیری کم، متوسط و زیاد تقسیم می¬شوند و ماشین شناخت یک مسئله¬ی طبقه¬بندی بین این گروه¬ها انجام می دهد (استفاده از دو طبقه¬بند qda وsvm با کرنل rbf). در دیدگاه دوم، نمره¬ی هیپنوتیزم-پذیری فرد با استفاده از mlp تخمین زده می¬شود. بیشترین درصد صحت تفکیک¬پذیری سه گروه، با استفاده از دیدگاه اول و طبقه¬بندsvm بوده که مربوط به حالت ذهنی آرامش با چشمان بسته و برابر 81/81، در حالت ذهنی ضرب دو عدد، برابر 72/72 و در حالت ذهنی چرخش تصویر نیز، برابر 78/78 درصد است. نتایج حاصل از تلفیق ویژگی¬های سه حالت ذهنی و اعمال آن¬ها به طبقه¬بند svm نیز برابر 81/81 به دست آمده است. بیشترین صحت طبقه¬بندی با دیدگاه دوم نیز متعلق به حالت ذهنی آرامش با چشمان بسته و برابر با 50/71 درصد می¬باشد. افراد از نظر هیپنوتیزم¬پذیری به سه گروه عمده تقسیم می¬شوند که عبارتند از افراد با قابلیت هیپنوتیزم پذیری کم، متوسط و زیاد. در این مطالعه، برای ارزیابی تفکیک¬پذیری گروه¬ها با قابلیت هیپنوتیزم¬پذیری کم، متوسط و زیاد، از سیگنال مغزی حالت نرمال در سه حالت ذهنی آرامش با چشمان بسته، انجام ضرب ذهنی و چرخش تصویر استفاده شده است تا تخمین هیپنوتیزم¬پذیری، بدون هیپنوتیزم¬ کردن افراد صورت گیرد. اکثر محققان قبلی، از سیگنال مغزی ثبت شده در حالت هیپنوتیزم استفاده کرده¬اند. در بررسی انجام شده، ویژگی¬هایی مانند ویژگی¬های منحنی¬های بازگشتی، آنتروپی ویولت، آنتروپی نمونه و آنتروپی جایگشت از سیگنال، استخراج شده، سپس بردار ویژگی به طبقه¬بند اعمال می شود. معیار اعتبارسنجی طبقه¬بند، روش loo می¬باشد. مرحله¬ی طبقه¬بندی، با دو دیدگاه انجام می¬شود. در دیدگاه اول، افراد بر طبق نمره¬ی مقیاس واترلو-استنفورد به 3 گروه با هیپنوتیزم-پذیری کم، متوسط و زیاد تقسیم می¬شوند و ماشین شناخت یک مسئله¬ی طبقه¬بندی بین این گروه¬ها انجام می دهد (استفاده از دو طبقه¬بند qda وsvm با کرنل rbf). در دیدگاه دوم، نمره¬ی هیپنوتیزم-پذیری فرد با استفاده از mlp تخمین زده می¬شود. بیشترین درصد صحت تفکیک¬پذیری سه گروه، با استفاده از دیدگاه اول و طبقه¬بندsvm بوده که مربوط به حالت ذهنی آرامش با چشمان بسته و برابر 81/81، در حالت ذهنی ضرب دو عدد، برابر 72/72 و در حالت ذهنی چرخش تصویر نیز، برابر 78/78 درصد است. نتایج حاصل از تلفیق ویژگی¬های سه حالت ذهنی و اعمال آن¬ها به طبقه¬بند svm نیز برابر 81/81 به دست آمده است. بیشترین صحت طبقه¬بندی با دیدگاه دوم نیز متعلق به حالت ذهنی آرامش با چشمان بسته و برابر با 71/50 درصد می¬باشد.
similar resources
پردازش سیگنال EEG به منظور بررسی رابطه میان درجه هیپنوتیزم پذیری، فعالیت نیم کره های مغزی و لوب های قدامی-خلفی در حالت هیپنوتیزم
تحلیل سیگنال های EEG نقش مهمی در زمینه های گسترده ای مانند بررسی داروهای روان پزشکی، مطالعه در زمینه خواب، ثبت و تشخیص صرع و تحلیل پدیده هیپنوتیزم بازی می کند. از سال ها پیش هیپنوتیزم به عنوان روشی موثر برای کمک به بیماران در زمینه های مختلف مانند کاهش اضطراب، ترک برخی عادات نادرست، کنترل درد و ... شناخته شده است.<span d...
full textپردازش سیگنال eeg به منظور بررسی رابطه میان درجه هیپنوتیزم پذیری، فعالیت نیم کره های مغزی و لوب های قدامی-خلفی در حالت هیپنوتیزم
تحلیل سیگنال های eeg نقش مهمی در زمینه های گسترده ای مانند بررسی داروهای روان پزشکی، مطالعه در زمینه خواب، ثبت و تشخیص صرع و تحلیل پدیده هیپنوتیزم بازی می کند. از سال ها پیش هیپنوتیزم به عنوان روشی موثر برای کمک به بیماران در زمینه های مختلف مانند کاهش اضطراب، ترک برخی عادات نادرست، کنترل درد و ... شناخته شده است. eeg حین هیپنوتیزم خالص و eeg در حالت نرمال و غیرهیپنوتیزم کاملا با یکدیگر تفاوت د...
full textتشخیص حملات صرع با استفاده از تخمین طیف سیگنال eeg
در این پایان نامه یک روش جدید با استفاده از تخمین طیف مبتنی بر بردارهای ویژه و شبکه عصبی برای شناسایی حملات صرع معرفی شده است. در این روش سیگنال های eeg به سه دسته ذیل تقسیم بندی می شوند: (1) سیگنال شخص سالم (healthy) (2) سیگنال شخص مبتلا به صرع در غیاب حمله (inter-ictal) (3)سیگنال شخص مبتلا به صرع حین حمله (ictal). روش ارایه شده شامل دو نوع الگوریتم است. در الگوریتم اول، طیف سیگنال eeg با استف...
15 صفحه اولبررسی اثر ضربان های دوگوشی بر افراد معتاد با استفاده از سیگنال مغزی (EEG)
Aim and scope: When two audio signals with different frequencies are presented separately to the left and right ears, the brain perceived an audio signal with frequency equal to the frequency difference between the two audio signals. This phenomenon has known as the binaural beat. If this technology used regular and listened targeted, it can reduced stress and anxiety, and increased focus, conc...
full textتشخیص همزمانی فاز در سیگنال های eeg نوزادان با استفاده از روش اطلاعات متقابل
یکی از مهم ترین اختلالات سیگنال های eeg نوزادان، عدم همزمانی بین کانال ها می باشد که مطالعات کلینیکی نشان داده است می تواند به نتایج عصبی و جسمی نامطلوبی در بزرگسالی منجر شود. هدف اصلی این مقاله، معرفی یک روش جدید برای تشخیص خودکار همزمانی فاز در سیگنال های eeg چندکاناله ی نوزادان است. در روش پیشنهادی، ابتدا فاز لحظه ای هر کانال از سیگنال eeg نوزاد با استفاده از تبدیل هیلبرت تخمین زده شده است. ...
full textتخمین پارامترهای سیگنال سینوسی میرا با استفاده از شناساننده تطبیقی
در این مقاله، یک الگوریتم تطبیقی، جهت تخمین بهنگام فرکانس و ضریب میرایی سیگنال های سینوسی میرا ارائه شده است. الگوریتم ارائه شده مبتنی بر مفهوم شناساننده تطبیقی به عنوان روشی برای تخمین پارامترهای یک سیستم خطی می باشد. الگوریتم پیشنهادی از یک فیلتر خطی مرتبه دو به همراه دو قانون تنظیم تشکیل شده است که به طور غیر مستقیم تخمین فرکانس و ضریب میرایی سیگنال سینوسی میرا را بدست می دهند. پایداری مجانب...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023