تشخیص الگوهای EEG درهنگام فعالیت های ذهنی با استفاده ازیک طبقه بندی کننده مبتنی برتبدیل پاره موج

سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 768

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE11_015

تاریخ نمایه سازی: 18 تیر 1391

چکیده مقاله:

تحقیقات نشان میدهدکه دراثرتصورپتانسیلهایی کهدرسطح قشرمغز ظاهر میشود پتانسیل هایی کهدراثرتصورحرکت ایجاد می شود پتانسیلهای تصور حرکت مینامند خاصیت متغیر با زمان بودن پتانسیل های تصور و پایین بودن نسبت سیگنال به نویز اندازه گیری این پتاسیلن را مواجه با اشکال کرده است متوسط گیری از روشهای معمول و یاده برای استخراج پتانسیل های تصویر از سیگنال الکتروانسفالوگرام است این روش حداقل به چندهزارپاسخ تحریک نیاز دارد دراین مقاله از تبدیل پاره موج و بازنمایی زمانی فرکانسی پاره موج جهت بررسی سیگنالهای مغزی درهنگام تصور حرکت استفاده شده است نتایج این تحقیق نشان میدهد که تبدیل پاره موج قادربه آشکارکردن پتانسیلهای تصور و ردیابی فعالیت ذهنی است براساس این بررسی یک طبقه بندی کننده سیگنالهای مغزی برمبنای تبدیل ضرایب پاره موج جهت تشخیص تصورحرکت و حالت استراحت ارایه میشود یکی از مسائل مهم درطبقه بندی استخراج ویژگیها است دراینم قاله از ضرایب پاره موج متعامد جهت استخراج ویژگیهای سیگنال های مغزی و از شبکه عصبی پس انتشار خطا درهنگام فعالیت ذهنی استفاده شده است.

کلیدواژه ها:

پتانسیل های حرکتی - شبکه های عصبی - الکتروانسفالوگرام - EEG - شناسایی الگو - تبدیل پاره موج

نویسندگان

بابک محمودی

گروه مهندسی پزشکی دانشگاه علم و صنعت 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 :
  • فاطمه حمزه‌لو، عباس عرفانیان امیدوار، تشخیص فعالیت‌های ذهنی از سیگنال‌های ...
  • brain -controlled switch asynhronous control applications, " IEEE Trans. A:ه ...
  • E. Haselsteiner and G. Pfurtscheller, "Using time-dependent neural networks for ...
  • C. Guger, H. Ramoser, and G. Pfurtscheller, :Real-time EEG analysis ...
  • B. Mahmoudi and A. Erfanian, ، Single-channel EEG-based prosthetic hand ...
  • C. W. Anderson, E.A Stolz, and S. Shamsunder, "Multivariable Auto ...
  • K. Lugger, D. Flozinger, A. Schlogl, M. Pregenzer, and G. ...
  • B. O. Peters, G. Pfurtscheller, and H. Flyvbjerg: _ Mining ...
  • H. Ramoser, J. M uller-Gerking, and G. Pfurtscheller, " Optimal ...
  • G. Pfurtscheller, C. Neuper, A. Schlogl, and K. Lugger, "Separability ...
  • S. Mallat, A Wavelet Tour of Signal Processing, Academic Press, ...
  • L. Deecke, B. Grozinger, and H. H. Kornhube. "Voluntary Finger ...
  • R.Q. Quirog. Basar, and M. Schurmann, :Wavelet entropy in event-related ...
  • A. Erfanian, M. Gerivany, EEG signals can be used to ...
  • th ICEE, May 2003, Vol. 3 ...
  • نمایش کامل مراجع