ارزیابی اثر «خستگی ذهنی» بر فعالیتهای مبتنی بر توجه ماندگاربا استفاده از مولفه های زمان فرکانسی (ویولت) سیگنال eeg
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - پژوهشکده فنی و مهندسی
- نویسنده هدی نوربخش
- استاد راهنما علی مطیع نصرآبادی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
خستگی ذهنی به عنوان یک عامل بازدارنده فعالیت ها، یکی از مشکلاتی است انسان امروز با آن روبرو است. هنگامی که فرد در وظایف روزانه خود ملزم به اجرای فعالیت هایی باشد که برای مدت طولانی و با دقت باید انجام پذیرند، پس از مدتی احساس خستگی می کند. در ایجاد این نوع خستگی الزاماً فعالیت جسمی وجود ندارد. بروز خستگی ذهنی آثار متعددی به همراه دارد؛ مانند کاهش کارآیی، توان برنامه ریزی، کنترل کارها و از همه مهمتر کاهش میزان تمرکز در مسائلی که به توجهی ماندگار برای اجرا نیاز دارند. این امر سبب می شود که فعالیتهای شناختی شخص به شدت کاهش یابد و حتی در مواردی (مانند رانندگی و نگاهبانی) می تواند خطرناک باشد. برای دستیابی به راهکاری جهت مقابله با بروز خستگی ذهنی باید به صورت دقیق پدیده و آثار فیزیولوژیکی و ذهنی مرتبط با آن را شناخته و در مرحله بعد با کامل شدن شناخت از ظهور آن جلوگیری نمود و یا در صورت اتفاق افتادن بتوان آن را با روشهای علمی و عینی تشخیص داد. هدف از این تحقیق آشنا شدن با تغییرات فعالیت الکتریکی مغز در اثر بروز خستگی ذهنی به عنوان یکی از موضوعات جدید در حوزه علوم شناختی و تأثیر آن بر توجه ماندگار به عنوان یکی از فعالیت های مهم شناختی است. برای اجرای این تحقیق ابزاری که استفاده شده است، ثبت فعالیت الکتریکی مغز طی یک فرآیند طراحی شده برای ایجاد خستگی ذهنی طی یک کار همراه با توجه است. برای تحلیل و ارزیابی وضعیت خستگی، سیگنالهای ثبت شده مورد پردازش قرار گرفت، که از بین روشهای موجود از تبدیل ویولت استفاده شده است. با اعمال تبدیل ویولت گسسته با پایه ویولت db10 روی سیگنال eeg ، و سپس استخراج ویژگی از ضرایب ویولت و با استفاده از آزمون آماری anova ویژگی هایی که در طول خستگی تغییرات قابل ملاحظه داشته اند، به عنوان ویژگی های نشان دهنده خستگی ذهنی معرفی گردیدند. بدین ترتیب کانال های f43,f4,f7,fz,c4,o1,o2,… کانال های موثر، و میانگین و بعد هیگوچی ضرایب ویولت، به عنوان ضرایب موثر شناسایی گردیدند.
منابع مشابه
آشکار سازی مولفه های شناختی سیگنال مغز با استفاده از ضرایب ویولت
مولفه P300 یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها نشان می دهد اغلب پردازش های شناختی مورد بررسی در ویژگی های مربوط به باندهای د...
متن کاملبررسی 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...
متن کاملحذف 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...
متن کاملتعیین زمان بیشینه شدن اطلاعات در سیگنال eeg حاصل از فعالیتهای ذهنی با هدف افزایش سرعت و دقت سیستمهای bci
چکیده ندارد.
15 صفحه اولبررسی اثر ضربان های دوگوشی بر افراد معتاد با استفاده از سیگنال مغزی (eeg)
هدف: در این پژوهش با بررسی تأثیر ضربان دوگوشی بر افراد معتاد، استفاده از این تکنولوژی به عنوان کمک درمان در ترک پایدار اعتیاد امکان سنجی شده است. روش : جامعه آماری از 15 نفر مرد معتاد بستری در کلینیک ترک اعتیاد، تشکیل شده بود که زیر نظر پزشک معالج و با استفاده از آزمون شخصیت آیزنک و آزمون ادرار انتخاب شدند. به 10 نفر علاوه بر درمان عادی، در سه جلسه تحریک کنترل شده ضربان دوگوشی اعمال و 5 نفر به ...
متن کاملارزیابی قابلیت ویژگیهای زمانی، فرکانسی سیگنال EEG و ویژگیهای مستخرج از تبدیل بسته موجک در تفکیک مراحل مختلف خواب با استفاده از شبکه SOM
سیگنالهای زیستی مختلف شامل EEG، EOGو EMGبه منظور تشخیص اختلالات خواب در آزمایشگاههای خواب ثبت میشوند. تحلیل اطلاعات ثبت شده در زمان خواب بهوسیله متخصص خواب، به صورت شهودی انجام میشود. طبقهبندی شهودی مراحل خواب به دلیل طولانی بودن ثبتها، کار زمانبر و خسته کنندهای است. تحلیل خودکار خواب میتواند این امر را تسهیل کند. مهمتر...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - پژوهشکده فنی و مهندسی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023