بیوالکتریک
1. شناسایی خودکار حالت‌های مختلف بیماری صرع از سیگنال EEG بر اساس یادگیری دیکشنری

سبحان شیخی وند؛ زهره موسوی؛ توحید یوسفی رضایی

دوره 14، شماره 3 ، پاییز 1399، ، صفحه 231-240

چکیده
  استفاده از روشی هوشمند برای تشخیص خودکار مراحل مختلف بیماری صرعی در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه‌وتحلیل داده‌های صرع از طریق بازرسی بصری، یکی از چالش‌های مهم در سال‌های اخیر محسوب می‌شود. یکی از مشکلات شناسایی خودکار مراحل مختلف بیماری صرعی، استخراج ویژگی‌های مطلوب است؛ به‌گونه‌ای که این ویژگی‌ها بتوانند ...  بیشتر

2. تشخیص حالت‌های احساسی مبتنی بر EEG با استفاده از شبکه‌ی یادگیری عمیق

سیده سعیده زاهدی حقیقی؛ سید محمود سخایی؛ محمدرضا دلیری

دوره 13، شماره 2 ، تابستان 1398، ، صفحه 95-104

چکیده
  یکی از راه‌های ارتباط انسان و کامپیوتر بر پایه‌ی شناخت احساسات است. در این مقاله، مساله‌ی تشخیص احساسات با استفاده از سیگنال الکتروانسفالوگرام (EEG) مورد بررسی قرار گرفته است. در ابتدا، با توجه به خاصیت غیرایستایی EEG، توابع مد ذاتی (IMF) با استفاده از تجزیه‌ی مد تجربی (EMD) استخراج شده و سپس ۳ IMF اول انتخاب شده است. هر IMF با پنجره‌‌ای یک ...  بیشتر

پردازش سیگنال‌های حیاتی
3. بررسی و طبقه‌بندی سیگنال‌هایEEG مربوط به مشاهده، تجسّم و استراحت ذهنی افراد نقاش و غیرنقاش به وسیله نمای مقیاس

نسرین شعوری؛ سید محمد فیروزآبادی؛ کامبیز بدیع

دوره 7، شماره 4 ، زمستان 1392، ، صفحه 321-331

چکیده
  در این مقاله، تفاوت سیگنال‌‌های EEGنوزده‌ کاناله دو گروه از افراد نقاش و غیرنقاش در هنگام مشاهده و تجسّم ذهنی تصویر و در حین استراحت از نظر نمای مقیاس بررسی شده است. با توجه به نتایج به دست آمده مشاهده شده است که نماهای مقیاس در افراد نقاش به صورت معنی‌‌داری بیشتر از افراد غیرنقاش در هر سه حالت مشاهده، تجسّم ذهنی و استراحت است. در نتیجه ...  بیشتر

پردازش سیگنال‌های حیاتی
4. بررسی میزان تعین سیگنالهای مغزی در احساسات مثبت، منفی و خنثی در منابع حاصل از الگوریتم ICA

مهدی عبدالصالحی؛ علی مطیع نصرآبادی؛ سید محمد فیروزآبادی

دوره 7، شماره 2 ، تابستان 1392، ، صفحه 143-153

چکیده
  در این تحقیق به بررسی سیگنالهای الکتروانسفالوگرام در احساسات مثبت، منفی و خنثی پرداخته شده است. در این پژوهش، فرض شده است که مغز دارای منابع مستقل مختلفی در هنگام هر فعالیت احساسی بوده که این منابع توسط الگوریتم پردازش مولفه های مستقل  (ICA) قابل مشاهده خواهند بود. برای غلبه بر مشکل نامشخص بودن ترتیب مولفه های استخراج شده در الگوریتم ...  بیشتر

پردازش سیگنال‌های حیاتی
5. ترکیب ویژگی‌های مختلف سیگنال EEG تک‌کاناله به‌منظور طراحی یک سیستم تأیید هویت

محمد شهاب شهوازیان؛ وحید ابوطالبی؛ محمدتقی صادقی

دوره 6، شماره 1 ، بهار 1391، ، صفحه 35-47

چکیده
  با ظهور دانش بیومتریک، روش‌های متداول تأیید هویت در سیستم‌های بیومتریک دچار دگرگونی شده‌اند و در حال جایگزینی با روش‌هایی بر پایة علایم حیاتی هستند. اخیراً کاربرد سیگنال الکتریکی مغز(EEG) در سیستم‌های بیومتریک به عنوان یک شاخه پژوهشی جذاب و کاربردی مورد توجه محققان قرار گرفته است. پژوهش‌های نسبتاً محدودی در زمینة بیومتریک سیگنال ...  بیشتر

پردازش سیگنال‌های حیاتی
6. بررسی توأم ارتباطات علّی و لحظه‌ای مغزی در بستر تئوری اطلاعات

علی خادم؛ غلامعلی حسین‌زاده

دوره 6، شماره 1 ، بهار 1391، ، صفحه 57-69

چکیده
  بررسی ارتباطات علّی (تأخیری) مغزی، از جایگاه مهمی در حوزه علوم اعصاب برخوردار است. معیارهای مرسوم اندازه‌گیری ارتباطات علّی (تأخیری) مغزی، عمدتاً پارامتری و مبتنی بر مدل هستند و فر‌ض‌های محدود‌کننده‌ای نسبت به ماهیت ارتباطات مغزی در نظر می‌گیرند. در سالهای اخیر، معیارهایی ناپارامتری برای رفع این نقیصه مطرح شده‌اند که از مهمترین ...  بیشتر

پردازش سیگنال‌های حیاتی
7. حذف خودکار آرتیفکت چشمی از سیگنال های مغزی با استفاده از ویژگی های آماری و زمانی- فرکانسی مولفه های مستقل

حسنا قندهاریون؛ عباس عرفانیان امیدوار

دوره 3، شماره 3 ، پاییز 1388، ، صفحه 199-211

چکیده
  مهمترین مشکل در بررسی و پردازش ثبت های الکتروآنسفالوگرام (EEG) حضور انواع سیگنال های ناخواسته (آرتیفکت ها) است که حذف آنها با روش تحلیل مولفه های مستقل از بهترین گزینه های ممکن است. هدف مساله تحلیل مولفه های مستقل جداسازی کور ترکیبی خطی از منابع مستقل است. با اعمال این روش روی سیگنال های مغزی آغشته به آرتیفکت، آرتیفکت ها به صورت مولفه ...  بیشتر