تحلیل تزویج فرکانسی نواحی مختلف مغز با استفاده از سیگنال های الکتروانسفالوگرافی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 903

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

UTCONF01_210

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

سیگنال های مغزی الکتروانسفالوگرافی که در سالهای اخیر بسیار مورد توجه پژوهشگران حوزه عصب شناسی قرارگرفته اند، کاربردهای حیاتی مهمی در زمینه های مختلف پزشکی و همچنین سیستم های رابط کامپیوتری با مغزدارند. این سیگنال ها بر روی پوست سر ظاهر می شوند و عمدتا در 5 باند فرکانسی مختلف دلتا، تتا، آلفا، بتا وگاما تقسیم بندی می شوند. همگام سازی و ارتباط بین این باندهای فرکانسی، تزویج فرکانس متقابل نامیده می-شود. تزویج فرکانس متقابل می تواند به عنوان تعامل متقابل بین دامنه، فاز و فرکانس سیگنال مشاهده شود.در این مقاله از سیگنال های الکتروانسفالوگرافی که از ده فرد در حین مشاهده 12 دسته تصویر مختلف شاملتصاویر حیوان، گل، غذا، میوه، ساختمان، لوازم تحریر، عروسک، جواهرات، لباس، وسایل حمل و نقل، اعضای بدنو لوازم الکتریکی گرفته شده، جهت بررسی تزویج فرکانسی موجود استفاده شده است. ویژگی های تزویج به دوطریق استخراج شده اند که عبارتند از: درون الکترودها و بین پنج ناحیه مغزی شامل نواحی جلویی، مرکزی،آهیانه ای، گیجگاهی و پس سری و جهت استخراج ویژگی از روش اسکالرضریب همبستگی و اطلاعات متقابلاستفاده شده و جهت طبقه بندی ویژگی ها، از طبقه بندی کننده ماشین بردار پشتیبان چندکلاسه و کلاس بندیK همسایگی نزدیک (KNN) استفاده شده است. نتایج به دست آمده از طریق استخراج ویژگی و انتخابویژگی های برتر برای بررسی میزان تزویج فرکانس= فرکانس اطلاعات ناحیه ای و بزن ناحیه ای نواحی مختلفمغزی مورد بررسی و ارزیابی قرار داده شده است.

کلیدواژه ها:

تزویج فرکانس متقابل ، سیگنال الکتروانسفالوگرام ، ماشین بردار پشتیبان (SVM) ، کلاس بندی K همسایه نزدیک (KNN) ، تزویج فرکانس به فرکانس ، انتخاب ویژگی

نویسندگان

رامتین مجتهدی صفاری

دانشجوی کارشناسی ارشد مهندسی برق دانشگاه علم و صنعت ایران

محمدرضا دلیری

دانشیار دانشکده مهندسی برق دانشگاه علم و صنعت ایران

ستار میرزاکوچکی

دانشیار دانشکده مهندسی برق 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 :
  • _، اپارد از سق‌ان‌ال _ ی‌در شن‌اس‌اط‌ی‌اش‌اهبا ات‌‌اده از ر ...
  • Alexandre Hyafil, Anne-Lise Giraud, Lorenzo Fontolan, , Boris Gutkin, "Neural ...
  • Randolph F. Helfrich, Christoph S. Herrmann, Andreas K. Engel, Till ...
  • Sara Jafakesh, Fatemeh Zareayan Jahromy, Mohammad Reza Daliri, "Decoding of ...
  • Mitra Taghizadeh- Sarabi, Mohammad Reza Daliri, Kavous Salehzadeh Niksirat, "Decoding ...
  • Frohlich, H., & Chapelle, O, :Feature selection for supportvector machines ...
  • Jer6me Van Zaena, Laurent Uldrya, Cedric Duchenea, Yann Prudata, Reto ...
  • Darvas, F., Miller, K. J., Rao, R. P. N., & ...
  • Knyazev, G. G, Cro s-frquency coupling of brain oscillations: An ...
  • Knyazev, G. G., Slobodskaya, H. R., & Wilson, G. D, ...
  • Lakatos, P., Karmos, G., Mehta, A., Ulbert, I., and Schroeder, ...
  • Colgin, L. L., Demninger, T., Fyhn, M., Hafting, T., Bonnevie, ...
  • Siegel, M., Warden, M. R., and Miller, E. K. _ ...
  • Fries, P. "A mechanism for cognitive dynamics neuronal communication through ...
  • B.N. Singh, A.K. Tiwari, "Optimal selection of wavelet basis function ...
  • L. Brechet, M.F. Lucas, C. Doncarli, D. Farina, "Compression of ...
  • D. Farina, M.F. Lucas, C. Doncarli, "Optimized wavelets for blind ...
  • Ashish Kapoor, Pradeep Shenoy, Desney Tan, _ Combining Brain computer ...
  • E.Estrada, H.Nazeran, P.Nava, K.Behbahani, " EEG Feature Extraction for Classification ...
  • Ahmed. A, Akram.A, "Effect of Feature and Channel Selection on ...
  • نمایش کامل مراجع