ارائه ی یک روش هوشمند برای حذف آرتیفکت های سیگنال های حیاتی (مبتنی بر شبکه عصبی rbf-bfis)

پایان نامه
چکیده

ثبت فعالیت الکتریکی مغز (eeg) دارای استفاده های تشخیصی عمده در کاربرد های بالینی و تحقیقات پزشکی است. این ثبت توأم با آرتیفکت هایی از جمله آرتیفکت های ناشی از فعالیت الکتریکی عضلات، سیگنال (emg) و فعالیت الکتریکی چشم سیگنال (eog) است. آرتیفکت eog که به نام آرتیفکت چشمی شناخته می شود، در سیگنال eeg ثبت شده توسط الکترودهایی که به قسمت پیشانی نزدیک ترند دامنه بیشتری دارد. آرتیفکت چشمی ناشی از فعالیت الکتریکی چشم است که در اثر عبور از هادی حجمی سر، سیگنال eeg ثبت شده با استفاده از الکترودهای سطحی را آلوده می سازد. حذف این آرتیفکت در بسیاری از کاربردها از جمله کاربردهای bci و ثبت های تشخیصی eeg ضروری است و برای این منظور شیوه های گوناگونی پیشنهاد شده است. روش های حذف آرتیفکت چشمی که تاکنون پیشنهاد شده اند دارای مشکلاتی از جمله عدم استفاده از مدل صحیح آمیختگی سیگنا ل ها در فضای هادی حجمی سر می باشند. در این تحقیق بر اساس مدلسازی سیگنال eeg و آرتیفکت چشمی و آمیختگی این دو در فضای هادی حجمی سر، روش جدیدی جهت ،حذف آرتیفکت چشمی از سیگنال eeg ارائه شده است. بر مبنای روش ارائه شده بر اساس شبکه های عصبی و منطق فازی، امکان تولید سیگنال eeg خالص از سیگنال eeg آمیخته به آرتیفکت چشمی وجود دارد.

منابع مشابه

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...

متن کامل

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

در این مقاله، یک روش جدید برای طبقه­بندی آریتمی­های قلبی بر مبنای تبدیل ویولت و شبکه­های عصبی ارائه شده است. از تبدیل ویولت گسسته (dwt) جهت پردازش رکوردهای ecg. و استخراج ویژگی­های زمان – فرکانس استفاده می­شود. نتیجه­ی بدست آمده به عنوان بردار ورودی برای آموزش و تست یک شبکه­ی عصبی مورد استفاده قرار می­گیرد. هر چند که در سال­های اخیر، الگوریتم­های متنوعی برای تشخیص آریتمی­های قلبی پیشنهاد شده­ان...

متن کامل

یک مدل غیر خطی جدید بر مبنای شبکه های عصبی برای تولید سیگنال الکتروکاردیوگرام

در سال ها اخیر توجه زیادی به تولید مصنوعی سیگنال های الکتروکاردیوگرام (ECG) به کمک یک مدل ریاضی معطوف گشته است. یکی از کاربردهای یک مدل دینامیکی که بتواند سیگنال های ECG مصنوعی تولید کند، ارزیابی آسان دستگاه های پردازش سیگنال تشخیصی ECG می باشد. به علاوه، می توان چنین مدلی را در فشرده سازی و تله مدیسن نیز به کار برد. هم چنین مناسب است مدل از توانایی لازم برای تولید سیگنال های ECG طبیعی و غیر طب...

متن کامل

ارائه یک چارچوب برای شبکه های عصبی ترکیبی در طبقه بندی سیگنال های حیاتی

سیگنال های زیستی علائمی هستند که بسته به نوعشان برای تشخیص وضعیت سلامتی از قسمت های مختلف بدن به کار می روند. بنابراین پردازش این سیگنال ها و تعیین علت وقوع آن ها و اینکه به کدام کلاس تعلق دارند مسئله ای بسیار مهم در امر پزشکی محسوب می شود. اما به دلیل ویژگی حجیم بودن داده های سیگنال های زیستی که می تواند منجر به خطای انسانی گردد و پیچیده بودن این سیگنال ها که نیاز به تحلیل های محاسباتی پیچیده ...

15 صفحه اول

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 ...

متن کامل

ارائه ی روشی هوشمند برای حذف آرتیفکت eog از سیگنال eeg و شبیه سازی آن در fpga

سیگنال های مغزی eeg کاربردهای گوناگونی در زمینه های مختلف تشخیصی پزشکی دارند. به همین جهت دست یابی به سیگنال مناسب و قابل استفاده اهمیت بالایی دارد. سیگنال eeg تحت تأثیر بعضی از آرتیفکت های اجتناب ناپذیر که ناشی از فعالیت های دیگر انسان مانند ضربان قلب، پلک زدن و فعالیت های ماهیچه ای قرار می گیرد که باعث بروز مشکلاتی در تشخیص های پزشکی می شود. روش های مختلفی برای حذف این آرتیفکت ها استفاده می ...

منابع 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

دانشگاه تربیت معلم - سبزوار - دانشکده برق و کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023