مکانیابی عمقی امواج الکتروانسفالوگرام مبتنی بر روش ICA
نام نخستين پديدآور
وحید آسایش
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
۱۳۹۶
مشخصات ظاهری
نام خاص و کميت اثر
۸۹ص.
مواد همراه اثر
سی دی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
رشته مهندسی مخابرات گرایش مخابرات سیستم
زمان اعطا مدرک
۱۳۹۶/۰۶/۲۰
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
مغز انسان از میلیاردها سلول عصبی تشکیل شده است که به صورت همزمان و در کنار یکدیگر فعالیت میکنند. نتیجه این فعالیت، کلیه اعمال شناختی، تصمیمگیری، توجه، تمرکز، حافظه، حرکت و غیره می¬باشد. یکی از اختلالات عصب-شناختی که عملکرد مغز را تحت تأثیر قرار میدهد، اختلال صرع است. از راههای بررسی اختلال صرع، می¬توان به استفاده از امواج الکتروانسفالوگرام اشاره کرد. این امواج با استفاده از قرار گرفتن الکترودها روی پوست سر ثبت می¬شوند که امواج ثبت شده در این روش، در نتیجه فعالیت همزمان تمامی نورونهای مغزی ایجاد میشود؛ بنابراین، با اینکه این روش از دقت زمانی بسیار بالایی برخوردار است، ولی دقت مکانی پایینی دارد. اختلال صرع به صورت امواج نوک تیز موسوم به اسپایک در طی روند ثبت امواج، مشخص میگردد. به منظور بررسی دقیق و تعیین فرآیند و روش درمان، نیاز است تا نواحی عمقی تولید اسپایک در مغز به طور دقیق شناسایی شود. به منظور شناسایی منابع عمقی تولیدکننده امواج اسپایک، از الگوریتمهای مکانیابی عمقی امواج الکتروانسفالوگرام بر اساس روش حل معکوس مسئله استفاده میگردد. بدین صورت که پتانسیل ثبت شده بر روی مغز، به عنوان ورودی و فعالیت نورونهای عمقی در درون قشر مغز، به عنوان خروجی مسئله در نظر گرفته می¬شود که در اینجا منابع ایجاد اسپایک است. مکانیابی عمقی امواج مغزی با استفاده از الگوریتم SVB-SCCD که یک الگوریتم غیر پارامتریک مبتنی بر مدلسازی گسترده فعالیت مغزی میباشد، انجام گرفته است. با توجه به اینکه فرآیند حل معکوس مسئله، یک فرایند ناپایدار است، اضافه شدن هرگونه نویز به داده، باعث ایجاد خطا در فرآیند مکانیابی میشود. در مکانیابی منابع تولیدکننده امواج اسپایک در اختلال صرع، هر نوع داده غیر از اسپایک، مانند امواج زمینه الکتروانسفالوگرام و امواج آرتیفکت، نویز و عامل اضافی محسوب میگردد؛ بنابراین استفاده از روش مناسب، به منظور پیش پردازش و حذف آرتیفکت و امواج زمینه، پیش از مکانیابی امری ضروری است. هدف از الگوریتم پیشنهادی در این پژوهش، تخمین و به حداقل رساندن نویز، پیش از اعمال الگوریتم مکانیابی است. در این روش، با استفاده از ICA، نویز موجود در داده تخمین زده شده و از کل داده حذف میشود. این روش بر روی دو نوع داده شبیهسازی شده و داده واقعی پیادهسازی میگردد. در داده شبیهسازی شده، نتایج حاصل از اعمال الگوریتم، با نتایج حاصل از مکانیابی با توجه به از پیش معلوم بودن نویز و داده زمینه، مقایسه میشود. نتایج به دست آمده، نشان میدهد با استفاده از الگوریتم حذف نویز مبتنی بر روش ICA، نتایج شباهت و نزدیکی زیادی با نتایج حاصل از داده شبیهسازی شده با میزان نویز معلوم دارد
متن يادداشت
Human brain is made of more than 10 billion neurons. This structure is responsible for all the mental tasks such as memory, attention, concentration, decision making, movement and etc. one of the main approaches for analyzing Brain functional performance is using of Electroencephalogram data that recorded by electrodes places on the surface of scalp. The potentials recorded by EEG is produced by functioning of all neurons located in the brain. So, as this method has high temporal resolution, it’s spatial resolution is so low. One of the methods for increasing electroencephalogram spatial resolution is using of EEG source localization based on inverse problem solving. Based on this method, the potential recorded by electrodes is considered as input and the neurons electrical activity considered as output. So, by this method, the brain’s activity recorded by EEG is localized in cerebral regions. This methodology used in analyzing brain epileptic activity, for determining the treatment procedure. SVB-SCCD is a method based on inverse problem solving for EEG source localization. Using of this method, help us to determine the brain regions involved in epileptic activity. Since the electric activity recorded by electrodes is polluted by noise, before starting the algorithms of source localization, it needs some preprocessing steps, because, inverse problem solving is sensitive to noise and any noise, dramatically effects on the final result. This process needs to determine and separate the noise from the original signal, produced by brain activity as epileptic discharge that called spike. Independent component analysis (ICA) is one the methods that used for this manner. The results produced by combining the SVB-SCCD with ICA has so similarity to the results of using simulated data based on SVB-SCCD without any pre-processing. ICA estimates noise with good precision.
عنوانهای گونه گون دیگر
عنوان گونه گون
ICA Based EEG Source Localization
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )