ارزیابی محدوده فرکانسی کار شبکه حالت پایه مغز با استفاده از تحلیل ارتباطات کارکردی بوسیله سیگنال EEG حالت استراحت
محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,585
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME17_015
تاریخ نمایه سازی: 9 تیر 1392
چکیده مقاله:
در این مقاله روشی جدید برای تعیین محدوده فرکانسی کار شبکه حالت پایه (پیش فرض) مغز (Default Mode Network) با استفاده از سیگنال الکتروانسفالوگراف (EEG) ارائه شده است. قبلاً با استفاده از روش های دیگر تصویر برداری کارکردی مانند FMRI محدوده فرکانسی کار این شبکه (فرکانسهای زیر 0.1 هرتز) شناسایی شده است ولی به دلیل گران بودن این روش، استفاده از EEG نه تنها ارزانتر بلکه سریعتر و بدلیل روزلوشن زمانی برتر آن قابل استماد تر می باشد. در این مطالعه محدوده کار فرکانسی شبکه حالت پایه را با استفاده از دو معیار اتصال بین نواحی بدست آورده ایم. برای این منظور شبکه حالت پایه و کل شبکه حالت استراحت به عنوان گراف های جهت دار فرض شده اند. سپس شدت ارتباطات این نواحی با استفاده از دو معیار هماهنگی تأخیری (lagged coherence) و هماهنگی فاز تأخیری (lagged phase synchronization) شناسایی و عددی (کمی) شده اند. محدوده ای از فرکانس که در آن بازدهی محلی و کلی گراف شامل اجزای شبکه حالت پایه بطور قابل توجهی بیشتر از سایر اجزای شبکه حالت استراحت می باشد. به عنوان محدوده فرکانسی کار شبکه حالت پایه در نظر گرفته شده است. این روش روی ثبت های 32 کاناله EEG از افراد سالم در حالت چشم بسته اعمال شده و محدوده فرکانس مورد بحث تعیین شده اند.
کلیدواژه ها:
بازدهی کلی گراف ، بازدهی محلی گراف ، تخمین منابع مغزی ، شبکه حالت پایه ، EEG چند کاناله حالت استراحت
نویسندگان
احسان مجیدی
قطب علمی کنترل و پردازش هوشمند، دانشکده برق و کامپیوتر، پردیس دانشکد
غلامعلی حسین زاده
قطب علمی کنترل و پردازش هومشند، دانشکده برق و کامپیوتر، پردیس دانشکد
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 :