عنوان

مدل سازی برخط فعالیت های عصبی با استفاده از داده های EEG چگالی بالا

Number

پ۲۷۸۸۱

.Language of Text, Soundtrack etc

per

Title Proper

مدل سازی برخط فعالیت های عصبی با استفاده از داده های EEG چگالی بالا

First Statement of Responsibility

مهدی خیری سوگلی تپه

Name of Publisher, Distributor, etc.

مهندسی مکانیک

Date of Publication, Distribution, etc.

۱۴۰۱

Specific Material Designation and Extent of Item

۱۱۷ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی پزشکی گرایش بیواکتریک

Date of degree

۱۴۰۱/۰۹/۱۵

Text of Note

اولین تلاشها در زمینه تعام، انسان با رایانه همزمان با کشف سیگنالهای الکتروانسفالوگرافی شروع شد ودانشمندان سعی کردند که بین این سیگنالها و فعالیت های م زی ارتباط برقرار کنند. اما با توجه به اینکه درابتدا این سیگنالها بسیار آشفته و دارای نویز بودندی از این سیگنالها فقط در پزشکی استفاده میشد و فقطپزشکان متخصص با توجه به تجربه از این سیگنالها میتوانستند استفاد کنند. امابا پیشرفت علم و تولید دستگاههای جدید و توانایی ثبت این سیگنالها با کیفیت بهتری پژوهشها و تحقیقات بیشتری در این زمینه انجام گرفت.هدف اصلی این پایاننامه تشخیص قسمت هایی از م ز است که در شناسایی بارشناختی تاثیر بیشتری دارد وهنگام انجام وظیفه های مختلف بارشناختی با میزان سختی متفاوتی دارای ت ییرات آماری چشمگیری هستند.به باندهای فرکانسی دلتای تتای آلفا و بتا تجزیه FIR مورد نظر توسط چهار فیلتر میان گذر EEG ابتدا سیگنالمیگردد سپسی از همزمانی فازی چند کاناله برای محاسبه ارتباط محلی و کلی استفاده می شود.کار انجام شده در این پایان نامه به دو بخش کلی تقسیم می شود: بخش اول حذف نویز از سیگنالهای م زیی تبدی، موجک و دو روش پیشنهادیی تبدی، والش و روش ترکیبی ICA میباشد. در این بخش با استفاده از روشاز سیگنال حذف نویز شده است. برای داشتن یک ارزیابی از این چند روشی نتایج حاص، از این ICA والش وو جذر )MSE( ی میانگین مربع خطا )SNR( چهار روش را با استفاده از سه معیاری نسبت سیگنال به نویزثارزیابی میکنیم. (PRD)) میانگین تفاض، مربعات)درصددر بخش دوم این پایاننامه به بحث استخراج ویژگیی پرداخته شده است. با استفاده از تبدی، والش و آنتروپییتبدی، فوریه و آنتروپی و همچنین تبدی، موجک و آنتروپی ویژگیهایی از سیگنال استخراج شده است.در این پایاننامه از روش مبتنی بر ریاضیات دورانی که یک روش همزمانی فازی چند مت یره استی به منظوردر نرم افزار متلبی داده RT-NET اندازه گیری بارشناختی استفاده می کنیم. همچنین با استفاده از جعبه ابزارثبت شده در حین حرکت مچ دست را مدل سازی می کنیم. hdEEG هایو تبدی، والش دارای کمترین ICA نتایج ارزیابی با استفاده از این معیارها نشان داد که روش ترکیبی والش ومقدار میانگین مربع خطا و دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاض، مربعات)درصد(است. این مقدارها نشان دهنده مناسب بودن روش پیشنهادی است.در بحث زمانیی روش تبدی، والش نسبت به سایر روش ها دارای مجموع زمان تست و آموزشی کمی است.که این زمان کم برتری روش را نشان می دهد و برای کاربردهای بلادرنگ مناسب می سازد.

Text of Note

Abstract :The first efforts in the field of human-computer interaction started with the discovery ofelectroencephalography signals and scientists tried to establish a connection between thesesignals and brain activities. But due to the fact that initially these signals were very chaotic andnoisy, these signals were only used in medicine and only expert doctors could use these signalsdue to their experience. However, with the advancement of science and the production of newdevices and the ability to record these signals with better quality, more researches wereconducted in this field.The main goal of this thesis is to identify the parts of the brain that have a greater effect oncognitive recognition, and when performing different cognitive tasks with different degrees ofdifficulty, they have statistically significant changes. First, the considered EEG signal isdecomposed into delta, theta, alpha and beta frequency bands by four FIR intermediate filters,then multi-channel phase synchronization is used to calculate the local and global correlation.The work done in this thesis is divided into two general parts: the first part is removingnoise from brain signals. In this section, using the ICA method, wavelet transform and twoproposed methods, Walsh transform and the combined method of Walsh and ICA, noise hasbeen removed from the signal. To have an evaluation of these several methods, the results ofthese four methods are evaluated using three criteria, signal-to-noise ratio (SNR), mean squareerror (MSE) and root mean square difference (percentage) (PRD).117Continuation of the thesis abstract :In the second part of this thesis, feature extraction is discussed. Using Walsh transform andentropy, Fourier transform and entropy, as well as wavelet transform and entropy, features havebeen extracted from the signal.In this thesis, we use the method based on periodic mathematics, which is a multi-variablephase simultaneous method, for the purpose of cognitive measurement. Also, using the RTNETtoolbox in MATLAB software, we model the hdEEG data recorded during wristmovement.The evaluation results using these criteria showed that the combined method of Walsh andICA and Walsh transformation has the lowest mean square error value and the highest value ofsignal to noise ratio and root mean squared difference (percentage). These values indicate theappropriateness of the proposed method.In terms of time, the Walsh transform method has a small amount of testing and trainingtime compared to other methods. This low time shows the superiority of the method and makesit suitable for real-time applications.

Variant Title

Online Modeling of Neural Activities Using High Density EEG Data

Entry Element

‏خیری سوگلی تپه،

Part of Name Other than Entry Element

‏مهدی

Relator Code

تهیه کننده

Entry Element

‏عباسیان،

Entry Element

سرباز،‏

Part of Name Other than Entry Element

‏کریم

Part of Name Other than Entry Element

یاشار

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏ تبریز