عنوان

نوفه زدایی از سری های زمانی غیر خطی امواج مغز ‮‭EEG‬با استفاده از موجک های آبرفته و فیلترهای انعطاف پذیر

Number

‭۱۰۷۴۴پ‬

.Language of Text, Soundtrack etc

per

Title Proper

نوفه زدایی از سری های زمانی غیر خطی امواج مغز ‮‭EEG‬با استفاده از موجک های آبرفته و فیلترهای انعطاف پذیر

First Statement of Responsibility

/فاطمه رحیمی

Name of Publisher, Distributor, etc.

: دانشکده فیزیک

Specific Material Designation and Extent of Item

‮‭۱۰۶‬ص‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

رشته فیزیک نظری

Date of degree

‮‭۱۳۹۱/۱۱/۲۵‬

Body granting the degree

تبریز

Text of Note

در این پژوهش ابتدا نظریه ی آشوب و کمیت ناوردای نمای لیاپانوف به عنوان معیاری برای نوفه زدایی معرفی می گردد .در ادامه امواج مغزی مربوط به دو نمونه فرد سالم وبیمار صرعی با استفاده از موجک های آبرفته وفیلتر های انعطاف پذیر نوفه زدایی شده و به مطالعه این امواج از دید نظریه ی آشوب پرداخته شده است .برای سنجش میزان اعتبار نوفه زدایی از کمیت نمای لیاپانوف استفاده گردیده است .هم چنین با استفاده از تحلیل مغز انسان همچون یک سیستم دینامیکی حملات صرع پیش بینی گردیده و صحت درستی پیش- بینی با استفاده از منحنی ‮‭ROC‬ ارزیابی شده است .نتایج بدست آمده بیانگر این است که سری های زمانی مربوط به امواج مغز ‮‭EEG‬ آشوبناک بوده و با توجه به ثابت ماندن مقدار نمای لیاپانوف قبل و بعد از نوفه- زدایی موجک های آبرفته و فیلتر های انعطاف پذیر روش مناسبی برای نوفه زدایی از امواج مغز است .هم چنین مثبت بودن مقدار نمای لیاپانوف بیانگر این است که امواج مغز از یک الگوی آشوبی پیروی می کنند .با استفاده از محاسبه سطح زیر نمودار ‮‭ROC‬ نشان داده شده است که فیلترهای انعطاف پذیر نسبت به موجکهای آبرفته در کاهش نوفه از امواج مغز موثرتر می باشند

Text of Note

In this study, first chaos theory and invariant quantity lyapunov exponent is introduced as a criterion of denoising. Then two samples of healthy volunteers, and epileptic patients brain waves have been denoised by wavelet shrinkage and adaptive filtering. These waves have been studied from the point of chaos theory and lyapunov exponent are used in order to measure the validity of denoising. Using the human brain signal analyses, as a dynamical system, epileptic seizures have been predicted. Studying the ROC cure shows the accuracy of this prediction. The results indicate that time series of EEG are chaotic. Given the stability of lyapunov exponent before and after denoising, wavelet shrinkage and adaptive filtering are good methods for denoising EEG signals. Also, the positivity of lyapunov exponent indicates that the EEG signals follow chaotic pattern. Calculating of the area under the ROC cure shows that adaptive algorithm reduces noise in EEG signals more effectively than wavelet denoising

رحیمی، فاطمه

رضایی کرامتی، مهدی، استاد راهنما

متولی، حسین، استاد راهنما

بهنیا، سهراب، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی