فشرد سازی سیگنالهای مغز با استفاده از خوشه بندی زیرباندهای موجک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 726

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF03_625

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

بار شد سیستمهای پزشکی از راه دور، نیاز به انتقال حجم بالای سیگنال های پزشکی از جمله سیگنالهای پزشکی از جمله سیگنالهای مغز به منظور تحلیل و تشخیص بیماریها و نظارت دائمی وضعیت بیماران ضروی می باشد. معمولا این سیستم ها 24 ساعته بوده و درتمام مدت حجم زیادی از داده های مغزی را انتقال می دهند. از طرفی سیستمهای آنالیز هوشمند که بخش اصلی از سیستمهای پزشکی از راه دور می باشند در کاربردهای پزشکی سیگنالهای مغزی معمولا از جندین کانال مختلف نمونه برداری می شوند لذا توجه به ساختار چندکاناله آنها برای ارائه روشهایی کارآمد در فشرده سازی بالا بتوانند خطای کمتری در بازسازی سیگنال داشته باشند حائز اهمیت می باشد. در این مقاله نیز با در نظر گرفتن شباهتهای بین کانالی که در اثر همسایگی حسگرهای نصب شده به وجود می آید سعی بر ارائه روشی ساده و کارآمد گردیده است.

کلیدواژه ها:

فشرده سازی سیگنال ، تبدیل بسته ای موجک ، خوشه بندی کدینگ اریتماتیک ، سیگنالهای EEG

نویسندگان

بهزاد هجرتی

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه رازی کرمانشاه

عبدالحسین فتحی

استادیار و عضو هیئت علمی گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه رازی کرمانشاه

فردین ابدالی محمدی

استادیار و عضو هیئت علمی گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه رازی کرمانشاه

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 :
  • Srinivasan, K., J. Dauwels, and M.R. Ramasubba, Multichannel EEG compression: ...
  • Higgins, G., et al., The effects of lossy compression on ...
  • Zhang, Z., et al., Compressed sensing of EEG for wireless ...
  • Dauwels, J., et al., Near-Lossles Multichannel EEG Compression Based on ...
  • Ke Chu, Y., et al., A lossless compression algorithm for ...
  • Sriraam, N., Correlation dimension based lossles compression of EEG signals. ...
  • Srinivasan, K., J. Dauwels, and M.R. Reddy, A two -dimensional ...
  • Srinivasan, K. and M. Ramasubba Reddy, Efficient preprocessing technique for ...
  • Wongsawat, Y., et al. Lossless Multi-channe EEG Compression. in Proc, ...
  • Sriraam, N.. A high-perfo rmance lossless compression scheme for EEG ...
  • Sriraam, N. and C. Eswaran, An adaptive error modeling scheme ...
  • Qiang, L, S. Mingui, and R.J. Sclabassi, Decorrelation of multichannel ...
  • Antoniol, G. and P. Tonella, EEG data compression techniques. IEEE ...
  • Sriraam, N. and C. Eswaran, Performance evaluation of neural network ...
  • Memon, N., X. Kong, and J. Cinkler, Context-based lossless and ...
  • C ommunic ations , 2009. 63(4): p. 311-320. ...
  • Gaowei, X, et al., A 1.5-D Multi-Channe EEG Compression Algorithm ...
  • Kedir-Talha, M.-D. and M.A.A. Amer, The lifted wavelet transform for ...
  • Garry, H., et al., An evaluation of the effects of ...
  • Higgins, G., et al., Lossy compression of EEG signals using ...
  • Dehkordi, V.R., H. Daou, and F. Labeau, A channel differential ...
  • Higgins, G , .et al., Low power compression of EEG ...
  • Cardenas-B arrera, J., J. Lorenzo -Ginori, and E. Rodriguez -Valdivia, ...
  • Daou, H. and F. Labeau, Dynamic dictionary for combined EEG ...
  • Mitra, S.K .and S.N Sarbadhikari, Iterative function system and genetic ...
  • Saeedi, J., K. Faez, and M.H. Moradi, Hybrid Fractal- Wavelet ...
  • Zhang, Z., et al., Spatiotempo ral sparse Bayesian learning with ...
  • Daou, H. and F. Labeau, EEG compression of scalp recordings ...
  • نمایش کامل مراجع