عنوان

کمی کردن مراحل مختلف خواب با سیگنال ‮‭EEG‬ جهت پیدا کردن لحظه شروع خواب,‮‭computational staging of sleep in order to detect sleep beginning‬

Number

‭۲۲۷۹۲پ‬

.Language of Text, Soundtrack etc

per

Title Proper

کمی کردن مراحل مختلف خواب با سیگنال ‮‭EEG‬ جهت پیدا کردن لحظه شروع خواب

Parallel Title Proper

‮‭computational staging of sleep in order to detect sleep beginning‬

First Statement of Responsibility

/هادی سقائی

Name of Publisher, Distributor, etc.

: فناوری های نوین

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۸‬

Name of Manufacturer

، راشدی

Specific Material Designation and Extent of Item

‮‭۶۶‬ص‬

Text of Note

چاپی - الکترونیکی

Text of Note

‮‭۸۰‬ص

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی فوتونیک - نانو فوتونیک

Date of degree

‮‭۱۳۹۸/۰۶/۰۵‬

Body granting the degree

تبریز

Text of Note

آری ارا ه از ی زن ا ود ‮‭۳۰‬ از ن، از ات اب ر و ا اب از ت رد محققان . تشخیص سیکل خواب و مراحلی که شخص در حین خواب طی می‌کند، کاربردهای مختلف درمانی و تحقیقاتی مانند بررسی انواع بی‌خوابی و بررسی رفتار کودکان دارد.یکی از روش‌های پایش خواب، بررسی خواب و مراحل مختلف آن با استفاده از سیگنال‌های ‮‭EEG‬ است .در این تحقیق، هدف استخراج ویژگی‌های آماری و فرکانسی و زمانی مناسب از دادههای ‮‭EEG‬ در حین خواب، و همچنین مرحلة قبلی خواب) حالت بیداری) به عنوان یک ویژگی، جهت استفاده در شبکه‌های عصبی برای تعیین و تفکیک مراحل مختلف خواب و مقایسه آن با حالت بیداری و هوشیاری کامل جهت تشخیص لحظه تغییر مراحل خواب) خروج از حالت هوشیاری کامل و ورود به مرحله خواب) برای جلوگیری از آسیب‌های جانی وارد شده به هنگام خوابآلودگی مانند سوانح رانندگی و کار با ابزارآلات صنعتی خطرناک و ...می‌باشد .نتایج نشان می‌دهد که با استفاده از ویژگیهای زمان-فرکانس و اعمال آن به شبکههای عصبی میتوان به جداسازی مراحل خواب از یکدیگر با دقت ‮‭۵/۹۲‬ رسید .همچنین بررسی نتایج نشان می‌دهد انتخاب کانال‌های‮‭O۱‬ و ‮‭O۲‬و نیز فرکانس‌های آلفا، بتا و تتا و طبقه بندی کننده ‮‭SVM‬ ما را به درصد بالاتری جهت تفکیک مرحله خواب‌آلودگی و بیداری می‌رساند

Text of Note

According to WHO, up to 30 of population have sleep disorders, thereby deteriorating working ability and mental health. The normal level of mental activity is determined by the sleep-wake cycle. Identifying sleep cycle and stages passed during sleep have various clinical and research applications such as insomnia and childrens behavior. One of the methods of sleep monitoring ,One of the methods of sleep monitoring, is sleep monitoring and various stages of sleep with using EEG signals. in this research, identifying sleep stages is performed by extracting frequency-statistical and time features of EEG data during sleep and previous sleep stage and using neural networks, to prevent injuries sustained during sleepiness, such as driving accidents and working with dangerous industrial equipment, etc. The results show that by using time-frequency features and applying them to neural networks, it is possible to separate the sleep stages from each other with a precision of 92.5 . Also, the results show that the selection of O1 and O2 channels, as well as alpha, beta and theta frequencies, and our SVM categorization, leads to a higher percentage for separation of sleep deprivation and awakening

Parallel Title

‮‭computational staging of sleep in order to detect sleep beginning‬

سقائی، هادی

Saghaei, Hadi

Public note

سیاه و سفید

نمایه‌سازی قبلی