CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه مدلی به منظور تشخیص تصور حرکتی و بهینه سازی الکترودهای الکتروانسفالوگرام ، با استفاده از ضرایب پیشگوی خطی ( LPC ) و ضرایب Mel-Frequency cepstral

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۶ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: UTCONF03_135
زبان مقاله: فارسی
حجم فایل: ۵۴۵.۳۳ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه مدلی به منظور تشخیص تصور حرکتی و بهینه سازی الکترودهای الکتروانسفالوگرام ، با استفاده از ضرایب پیشگوی خطی ( LPC ) و ضرایب Mel-Frequency cepstral

  مریم نقوی زاده - کارشناسی ارشد مهندسی پزشکی، دانشگاه آزاد اسلامی مشهد
  فاطمه حیدری - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی قزوین
  سیدامیرحسین موسوی - دانشجوی دکتری مهندسی پزشکی دانشگاه آزاد اسلامی مشهد

چکیده مقاله:

همه روزه افراد زیادی دچار معلولیت های گوناگون می شوند که امکان حرکت و فعالیت ها روزمره را از آنها می گیرد و سبب مشکلات فردی و اجتماعی می شوند و فرد معلول به مرور زمان دچار آسیب های روحی می گردد و با صنعتی شدن جوامع تعداد این معلولیت ها رو به افزایش است. در این مطالعه ما به بررسی طبقه بندی تصور حرکتی با استفاده از سیگنال الکتروانسفالوگرام می پردازیم. در صورتی که بتوانیم با استفاده از تکنیک هایی توصرات حرکتی فرد را آشکارسازی نماییم و برای فرمان به پروتزها و سایر ماشین ها استفاده کنیم، می توانیم مشکلاتی که ذکر شد را به صورت معناداری کاهش دهیم. با استفاده از دیتای EEG که از 9 نفر گرفته شده است به بررسی تصورات حرکتی پا راست و پا چپ با استفاده از ویژگی های ضرایب پیشگوی خطی و ضرایب کپسترال مقیاس مل پرداختیم. پس از استخراج ضرایب ویژگی های Activity و Mobility و Complex به ترتیب در شبکه های عصبی ماشین بردار پشتیبان دارای دقت های 82.5% و 64.45% و 62.18% و در شبکه عصبی پرسپترون چند لایه دارای دقت 78% و 63.59 و 62.17% بود. همچنین ضرایب پیشگوی خطی دارای دقت های 82.71% در شبکه عصبی ماشین بردار پشتیبان و 77 درصد در شبکه عصبی پرسپترون چند لایه بود.

کلیدواژه‌ها:

تصور حرکتی، پارامترهای جورث، ماشین بردار پشتیبان، شبکه های عصبی، سیگنال EEG

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-UTCONF03-UTCONF03_135.html
کد COI مقاله: UTCONF03_135

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نقوی زاده, مریم؛ فاطمه حیدری و سیدامیرحسین موسوی، ۱۳۹۸، ارائه مدلی به منظور تشخیص تصور حرکتی و بهینه سازی الکترودهای الکتروانسفالوگرام ، با استفاده از ضرایب پیشگوی خطی ( LPC ) و ضرایب Mel-Frequency cepstral، سومین همایش ملی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران، تهران، موسسه برگزار کننده همایش های توسعه محور دانش و فناوری سام ایرانیان، https://www.civilica.com/Paper-UTCONF03-UTCONF03_135.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (نقوی زاده, مریم؛ فاطمه حیدری و سیدامیرحسین موسوی، ۱۳۹۸)
برای بار دوم به بعد: (نقوی زاده؛ حیدری و موسوی، ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۸۲۲۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.