آنالیز سیگنال eeg خواب به منظور استخراج دوره های cap و بررسی تغییرات آن در پروسه یادگیری
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنی
- نویسنده سامان سیف پور
- استاد راهنما محمد میکاییلی محمد ترابی نامی آناهیتا خرمی بنارکی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
در طول دهه گذشته، مطالعات متنوعی برای توصیف نقش خواب در تثبیت حافظه و نحوه شکل پذیری ارتباطات سیناپسی مغز، صورت پذیرفته است. این یافته ها نشان می داد که خواب و مراحل گوناگون آن، به فرایندهای نهفته ای که در تثبیت هر دو گونه حافظه اخباری و غیر اخباری نقش دارند، کمک می کند. تا به امروز گزارش هایی درباره ی اثرات خواب بر روی حافظه عاطفی، منتشر شده است. این گزارش ها نشان می دهد بهبود، تثبیت و یکپارچگی حافظه که آن را معادل با یادگیری در نظر می گیرند، به طور چشم گیری با خواب در ارتباط است. با این حال هیچ مطالعه ای تاکنون به بررسی ارتباط بین مرحله خاصی از خواب و تثبیت حافظه و نیز نقشی که ساختارهای کلی و ریز ساختارهای خواب (اعم از ریز بخش cap a و زیر بخش های آن یعنی cap a1, a2 & a3) در این پروسه ایفا می کند، نپرداخته است. در این پژوهش با استفاده از یک الگوی خواب عصرگاهی، به اندازه گیری تثبیت (یکپارچگی) حافظه عاطفی یا به عبارتی یادگیری عاطفی، پرداخته و ارتباط آن را با ساختارهای کلی و ریز ساختارهای خواب، بررسی می کنیم. بدین منظور سیگنال های eeg، 17 شرکت کننده در دو روز متوالی (روز پایه و روز تسک) مورد بررسی قرار گرفت (جمعاً 34 ثبت)، که نتایج به دست آمده نشان می داد خواب sws و زیر بخش cap a1، اساسی ترین نقش را در فرایند یادگیری ایفا می کنند. از دیگر اهداف این پژوهش تشخیص اتوماتیک رویدادهای cap بود. برای نیل به این منظور، از دو مونتاژ c4-a1 و f4-c4 سیگنال eeg، 25 ویژگی استخراج گردید. این ویژگی ها شامل ویژگی های نشانگر دامنه، نشانگر توان و پارامترهای hjorth در 5 زیر باند فرکانسی مختلف، بود. برای تفکیک رویدادهای cap از non-cap از چهار طبقه بندی کننده mlp، knn، svm و lda و تکنیک ارزیابی k-fold استفاده گردید. بر اساس نتایج به دست آمده، از لحاظ دقت تفکیک رویدادهای cap از non-cap، طبقه بندی کننده mlp با درصد صحت 79.60 درصد، برای مونتاژ f4-c4، کارایی بهتری در مقایسه با طبقه بندی کننده های دیگر داشت.
منابع مشابه
تحلیل سیگنال های eeg به منظور بررسی اثر خواب بر یادگیری
چکیده خواب به زیر مجموعه قسمت ها و مراحل مختلفی تقسیم بندی می شود چنان که هر مرحله از خواب دارای مشخصه فرکانسی و الگو های خاص خود می باشد. با باتوجه به اینکه که شخص در حین روز با چه مسائلی درگیر بوده و چقدر از ذهن فرد را مشغول کرده، تعداد این الگو ها و مدت زمان مراحل خواب تغییر می کند. در سال های اخیر الگو های دوک و k-complex در خواب پس از یادگیری به عنوان شاخص یادگیری مورد توجه بوده است. بر...
15 صفحه اولآنالیز تصاویر چهره به منظور تشخیص خواب آلودگی
تشخیص خواب آلودگی در موارد زیادی از جمله کاهش تصادفات جاده ای اهمیت دارد. در این مقاله، الگوریتم های جدیدی به منظور تعیین مکان مردمک ها و دایره های عنبیه، لب ها و تشخیص وضعیت باز و بسته بودن چشم ها ارائه می شود که در نهایت بر اساس آنالیز چهره (باز و بسته بودن چشم ها و دهان) میزان سطح خواب آلودگی فرد تعیین می شود. در بیشتر روش های مبتنی بر آنالیز چهره با استفاده از یک پارامتر، خواب آلودگی فرد تش...
متن کاملپردازش 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...
متن کاملترکیب ویژگی های مختلف سیگنال eeg تک کاناله به منظور طراحی یک سیستم تأیید هویت
با ظهور دانش بیومتریک، روش های متداول تأیید هویت در سیستم های بیومتریک دچار دگرگونی شده اند و در حال جایگزینی با روش هایی بر پایة علایم حیاتی هستند. اخیراً کاربرد سیگنال الکتریکی مغز(eeg) در سیستم های بیومتریک به عنوان یک شاخه پژوهشی جذاب و کاربردی مورد توجه محققان قرار گرفته است. پژوهش های نسبتاً محدودی در زمینة بیومتریک سیگنال الکتریکی مغز به خصوص در سیستم های تأیید هویت آن انجام شده است و اکثر...
متن کاملمدلسازی آمیختگی سیگنال EEG و تداخلچشمی در فضای هادیحجمی سر
ثبت سیگنال EEG توأم با تداخلهایی از جمله تداخل ناشی از فعالیتالکتریکی چشم است. این تداخل در اثر عبور سیگنال فعالیت الکتریکی چشم در هادیحجمی سر ایجاد میشود و سیگنال EEG ثبتشده با استفاده از الکترودهای سطحی را آلوده میسازد. حذف این تداخل در بسیاری از کاربردها ضروری است و برای این منظور شیوههای گوناگونی پیشنهاد شدهاست. روشهای پیشنهادی حذف تداخلچشمی دارای مشکلاتی از جمله عدم استفاده از ...
متن کاملارائه روشی هوشمند در طبقه بندی سیگنال eeg بیماران صرعی به منظور استخراج علائم و پارامترهای تشخیص بالینی
صرع، علامت کلینیکی فعالیت بیش از حد و بسیار همزمان نورون ها در قشر مغزی است که با تخلیه الکتریکی غیر طبیعی در بخشی از مغز همراه است. این بیماری به عنوان دومین اختلال مهم مغزی پس از سکته شناخته شده است. 1 تا 3 درصد مردم دنیا دچار این ضایعه مغزی هستند که بیماری 25% این افراد از طریق روش های موجود قابل درمان نیست. سیگنال eeg در اثر تخلیه همزمان نورون های مغز ایجاد شده و به هنگام حمله صرع دچار تغیی...
15 صفحه اولمنابع 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 - دانشکده فنی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023