پردازش سیگنال‌های حیاتی
بهناز شیخ الاسلامی؛ قاسم صادقی بجستانی؛ رضا یعقوبی کریموی؛ ریحانه ظریفیان
دوره 15، شماره 1 ، اردیبهشت 1400، ، صفحه 29-46
چکیده
اختلال کم‌توجهی/بیش‌فعالی (ADHD) یک اختلال رشدی عصبی است که می‌تواند در افراد با سنین مختلف به خصوص در کودکان ایجاد شده و سبب تغییر در رفتار آن‌ها شود. مطالعات گذشته اغلب روی پردازش‌های حوزه‌ی فرکانسی و یا جنبه‌های دینامیک غیرخطی سیگنال‌های EEG از قبیل بعد همبستگی، بعد فرکتال، نمای لیاپانوف، آنتروپی و نرخ بازگشت فرایندهای مغزی برای ...
بیشتر
اختلال کم‌توجهی/بیش‌فعالی (ADHD) یک اختلال رشدی عصبی است که می‌تواند در افراد با سنین مختلف به خصوص در کودکان ایجاد شده و سبب تغییر در رفتار آن‌ها شود. مطالعات گذشته اغلب روی پردازش‌های حوزه‌ی فرکانسی و یا جنبه‌های دینامیک غیرخطی سیگنال‌های EEG از قبیل بعد همبستگی، بعد فرکتال، نمای لیاپانوف، آنتروپی و نرخ بازگشت فرایندهای مغزی برای تفکیک افراد مبتلا به ADHD متمرکز بوده است. در این مطالعه با استفاده از قطاع‌های شعاعی پوانکاره در فضای فاز سیگنال‌های EEG افراد مبتلا به ADHD و افراد سالم در دو گروه خردسالان و بزرگ‌سالان، مرتب‌سازی این فضا و هم‌چنین استخراج ویژگی‌های هندسی مختلف، دیدگاه متفاوتی از میزان پیچیدگی فعالیت‌های مغزی و سطح پویایی افراد مبتلا به ADHD در مقایسه با افراد سالم ارائه شده و به ارزیابی حجم بستر نوسان سیگنال EEG پرداخته شده است. در نهایت با ارزیابی ویژگی‌های استخراج شده و استفاده از الگوریتم SFS بر مبنای طبقه‌بندی کننده‌ی RBF-SVM، تفکیک افراد مبتلا به ADHD از افراد سالم در دو گروه خردسالان و بزرگ‌سالان به ترتیب با صحت 04/2±20/93 و 13/1±60/95 انجام شده است. نتایج این تحقیق نشان داده که حجم بستر نوسان سیگنال EEG افراد مبتلا به ADHD نسبت به افراد سالم به طور قابل توجهی بیشتر بوده و این موضوع بیان‌گر افزایش میزان پویایی و در نتیجه کاهش میزان پیچیدگی فعالیت‌های مغزی در این افراد است. هم‌چنین در این پژوهش مشخص شده که افزایش حجم بستر نوسان سیگنال‌های EEG در کودکان نسبت به بزرگ‌سالان بیشتر بوده و این موضوع نشان دهنده‌ی افزایش سطح پویایی کودکان نسبت به بزرگ‌سالان است. بنابراین می‌توان ADHD و سن را به عنوان دو عامل مهم در افزایش حجم بستر نوسان سیگنال EEG معرفی کرد.
سیده سعیده زاهدی حقیقی؛ سید محمود سخایی؛ محمدرضا دلیری
دوره 13، شماره 2 ، شهریور 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
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 ثانیهای به تکههای کوچکتری تبدیل شده و ویژگی توان از هر قسمت استخراج شده است. سپس با استفاده از یک نگاشت مناسب، موقعیت الکترودها درسیستم ۱۰-۲۰ به موقعیت پیکسلها در یک تصویر تبدیل شده و ویژگی‌های استخراج شده به عنوان مولفههای رنگ پیکسل در نظر گرفته شده است. برای تعیین کلاس ظرفیت، تمام تصاویر تولید شده به عنوان ورودی به یک شبکه‌ی یادگیری عمیق داده شده و کلاس بالا یا پایین ظرفیت (خروجی شبکه) مشخص شده است. از همین روش برای تعیین کلاس برانگیختگی نیز استفاده شده است. برای بررسی روش پیشنهادی از پایگاه دادهی DEAP استفاده شده است. با انتخاب تصویر با اندازهی ۱۷×۱۷، میانگین دقت و انحراف معیار طبقه‌بندی برای ظرفیت برابر با 58/78% و 9/3 و برای برانگیختگی برابر با 66/78% و 1/3 به دست آمده که در مقایسه با نتایج کارهای مشابه بهبود قابل توجهی داشته است.
پردازش سیگنال‌های حیاتی
محمد رشیدی؛ حمید بهنام؛ علی شیخانی؛ محمدرضا محمدی؛ مریم نوروزیان
دوره 4، شماره 3 ، آذر 1389، ، صفحه 187-194
چکیده
در این مقاله، کاربرد تحلیل مؤلفه‌های مستقل (ICA) برای تشخیص بیماری اوتیسم مورد بررسی قرار گرفته است. ابتدا منابع تولید کننده سیگنال‌های EEGبا ICAاستخراج و سپس پردازش‌های حوزه زمان و فرکانس بر این مؤلفه‌های سیگنالی اعمال شدند. سیگنال‌های EEGاز 10 کودک مبتلا به اوتیسم و 10 کودک سالم در محدوده سنی 6-11 سال گرفته شده است. نتایج به کمک روش آماری ...
بیشتر
در این مقاله، کاربرد تحلیل مؤلفه‌های مستقل (ICA) برای تشخیص بیماری اوتیسم مورد بررسی قرار گرفته است. ابتدا منابع تولید کننده سیگنال‌های EEGبا ICAاستخراج و سپس پردازش‌های حوزه زمان و فرکانس بر این مؤلفه‌های سیگنالی اعمال شدند. سیگنال‌های EEGاز 10 کودک مبتلا به اوتیسم و 10 کودک سالم در محدوده سنی 6-11 سال گرفته شده است. نتایج به کمک روش آماری آزمون تی با هم مقایسه شدهاند. پائینتر بودن سطح همبستگی میان منابع نیمکره چپ مغز به ویژه ناحیه مربوط به کانال 3Cدر افراد مبتلا به اوتیسم نسبت به افراد سالم مشاهده شده است. هم‌چنین میانگین انرژی باند فرکانسی تتا در منابع نیمکره چپ مغز بهخصوص کانالهای 3Cو 3Fبرای افراد مبتلا به اوتیسم نسبت به افراد سالم پائینتر بوده و این معیار در باند فرکانسی گاما بالاتر به دست آمده است.
