تحلیل اتصالات عملکردی مغز براساس هم گامی فاز بین کانال های EEG: کاربرد در تحلیل الگوهای B-S در EEG نوزادان

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 332

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-13-1_006

تاریخ نمایه سازی: 29 دی 1400

چکیده مقاله:

در این مقاله، روشی جدید برای مطالعه اتصالات عملکردی بخش های مختلف مغز با استفاده از تجزیه وتحلیل سیگنال های EEG چندکاناله ارائه می شود. در روش پیشنهادی، از مقدار هم گامی فاز بین دو کانال EEG به عنوان معیار قدرت اتصال بین دو الکترود EEG (میزان ارتباط دو ناحیه متناظر در مغز) استفاده شده است و براساس این مقادیر، اتصالات عملکردی بخش های مختلف مغز با استفاده از نظریه گراف به تصویر کشیده شده اند. در ادامه، از روش پیشنهادی برای مطالعه اتصالات عملکردی بخش های مختلف مغز نوزاد در زمان مشاهده الگوهای burst suppression (B-S) در EEG آنها استفاده می شود. با بهره گیری از یک پایگاه داده EEG نتیجه گرفته می شود که گراف های توصیف کننده الگوهای B تنک تر از الگوهای S هستند و همچنین، قدرت اتصالات بخش های مختلف مغز در حضور الگوهای S از الگوهای B بیشتر است. به منظور راستی آزمایی روش پیشنهادشده در این تحقیق، برای ساخت اتصالات عملکردی مغز، با استفاده از نظریه گراف، گراف های توصیف کننده الگوهای B و S طبقه بندی می شوند. نتایج به دست آمده، تفاوت آماری معنا داری را بین گراف های توصیف کننده الگوهای B و S نشان می دهند؛ بنابراین، روش پیشنهادی برای مطالعه اتصالات عملکردی مغز در حضور سایر اختلالات مغزی نیز استفاده می شود.

نویسندگان

سجاد امیری

کارشناس ارشد گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر- دانشگاه رازی- کرمانشاه- ایران

قاسم عازمی

دانشیار گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر- دانشگاه رازی – کرمانشاه - ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Sanei and J. A. Chambers, “EEG Signal Processing”, ۱ ed. ...
  • J. Volpe et al., “Volpe's Neurology of the Newborn”. Elsevier, ...
  • M. a. Awal, M. M. Lai, G. Azemi, B. Boashash, ...
  • P. Mirzaei, G. Azemi, N. Japaridze, and B. Boashash, "Surrogate ...
  • B. Fisch, “Fisch and Spehlmann's EEG Primer: Basic Principles of ...
  • S. M. Bowyer, "Coherence a measure of the brain networks: ...
  • A. Bastos and J. Schoffelen, "A Tutorial Review of Functional ...
  • B. Zhang et al., "Abnormal brain functional connectivity coupled with ...
  • A. Verger et al., "Brain PET substrate of impulse control ...
  • J. Naim-Feil et al., "Altered Brain Network Dynamics in Schizophrenia: ...
  • A. Omidvarnia, G. Azemi, B. Boashash, P. B. Colditz, and ...
  • L. Faes and G. Nollo, "Extended causal modeling to assess ...
  • C. Stam, G. Nolte, and A. Daffertshofer, "Phase lag index: ...
  • M. X. Cohen, "Effects of time lag and frequency matching ...
  • P. S. Baboukani, G. Azemi, B. Boashash, and P. cloditz, ...
  • B. Boashash, “Time–Frequency Signal Analysis and Processing: A Comprehensive Reference. ...
  • B. Boashash and A. Aïssa-El-Bey, "Robust multisensor time-frequency signal processing: ...
  • U. Brandes and T. Erlebach, Eds. “Network Analysis: Methodological Foundations ...
  • E. Gregori, L. Lenzin, and C. Orsiniab, "k-Dense communities in ...
  • M. Onus and A. W. Richa, "Parameterized maximum and average ...
  • L. Xueliang, S. Yongtang, and G. Ivan, Graph Energy. Springer, ...
  • E. W. Weisstein. "Algebraic Connectivity." MathWorldA Wolfram Web Resource ...
  • L. Li, D. Alderson, J. Doyle, J. Doyle, and W. ...
  • A. Omidvarnia, G. Azemi, P. Cloditz, and B. Boashash, "A ...
  • S. Ching, P. L. Purdon, S. Vijayan, N. J. Kopell, ...
  • M. Xia, J. Wang,Y. He, “BrainNet Viewer: A Network Visualization ...
  • نمایش کامل مراجع