حذف آرتیفکت های ماهیچه ای در داده های HR-EEG بیماران صرعی با استفاده از تحلیل مولفه های مستقل
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,004
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NAEC02_159
تاریخ نمایه سازی: 15 بهمن 1393
چکیده مقاله:
امروزه تفکیک بسیار بالای داده های HR-EEG دانشمندان را به سمت استفاده از این داده ها برای مطالعه هرچه بهتر مغز و منابع مختلف آن سوق می دهد یکی از بیماری های شایع مغزی بیماری صرع است که پزشکان نیازمند اطلاعات دقیق جهت بررسی و درمان این بیماری هستند استفاده از داده های HR-EEG ابزار تشخیصی بسیار مناسبی برای بررسی بیماران مبتلا به صرع است اما وجود نویز و آرتیفکت ها مطالعه این داده های غیر تهاجمی را مشکل می کند. در این مقاله از روش های تحلیل مولفه های مستقل برای جداسازی آرتیفکت های ماهیچه ای از داده های صرعی مصنوعی 257 کاناله تولید شده به وسیله یک مدل واقع گرایانه استفاده شده است روش های مورد استفاده در این تحقیق روش های fastICA و InfoMax هستند که کارایی این روش ها در حذف نویز، بر اساس معیارهای میانگین مربع خطای نرمالیزه شده NMSE و پیچیدگی محاسباتی سنجیده می شود مشاهده می شود که تمامی روش ها کارایی خوبی در بازسازی سیگنال های صرعی و حذف نویز دارند روش fastICA نتایج بهتری را دارد.
کلیدواژه ها:
نویسندگان
نسرین طاهری
گروه برق دانشکده مهندسی دانشگاه شهید چمران اهواز
کریم انصاری اصل
گروه برق دانشکده مهندسی دانشگاه شهید چمران اهواز
عمر کچنورا
آزمایشگاه پردازش سیگنال و تصویر LTSI دانشگاه رن ۱ فرانسه
ایزابل مرلت
آزمایشگاه پردازش سیگنال و تصویر LTSI دانشگاه رن ۱ فرانسه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :