شماره ركورد :
948160
عنوان مقاله :
بررسي ارتباطات مغزي موثر به روش تابع انتقال جهت دار براي تركيب هاي مختلف توجه و هوشياري بر‌اساس سيگنال EEG
عنوان فرعي :
Brain Effective Connectivity Investigation With Directed Transform Function Method for Different Combination of Attention and Consciousness Based on EEG Signals
پديد آورنده :
رحيمي معصومه
پديد آورندگان :
مرادي محمدحسن نويسنده استاد، گروه بيوالكتريك، دانشكده مهندسي پزشكي، دانشگاه صنعتي اميركبير، تهران Moradi Mohammad Hasan , قاسمي فرناز نويسنده استاديار، گروه بيوالكتريك، دانشكده مهندسي پزشكي، دانشگاه صنعتي اميركبير، تهران Ghasemi Farnaz
سازمان :
دانشجوي كارشناسي ارشد مهندسي پزشكي، گروه بيوالكتريك، دانشكده مهندسي پزشكي، دانشگاه صنعتي اميركبير، تهران
تعداد صفحه :
10
از صفحه :
59
تا صفحه :
68
كليدواژه :
Effective connectivity , Directed Transform Function , feature extraction , استخراج ويژگي , آزمون اندازه‌هاي تكراري , ارتباطات موثر , تابع انتقال جهت‌دار , Repeated Measures test
چكيده فارسي :
هدف اين مقاله، بررسي ارتباطات موثر مغزي بر‌اساس روش تابع انتقال جهت دار (DTF) است. اين ارتباطات براي داده هاي ثبت‌شده، از تركيب حالت هاي توجه و هوشياري، كه چهار دسته توجه-هوشياري، توجه-عدم هوشياري، عدم توجه-هوشياري و عدم توجه-عدم هوشياري را ايجاد كرده اند، به‌دست آمدند. از روي ماتريس هاي به‌دست آمده براي هر دسته، شاخص هايي مرسوم در حوزه DTF، معرفي و محاسبه شدند. سپس شاخص هاي اين چهار دسته، براي بررسي وجود اختلاف معنادار از نظر ارتباطات موثر، با يكديگر مقايسه شدند. براي به‌دست آوردن روابط علّي خطي ميان كانال‌ها به روش DTF، از مدل خود‌كاهشي چندمتغيره استفاده شد. براي بررسي دقيق تر، سيگنال ها به چهار باند فركانسي پايه تقسيم شده و با آزمون اندازه هاي تكراري دوطرفه، وجود اختلاف معنادار در دسته ها و باندها بررسي شد. براساس نتايج، از 12 شاخص به‌‌دست‌آمده، دو شاخص ?DTF?_O1 و ?DTF?_PO7 به تنهايي قادر به نمايش تمايز ميان 5 حالت از 6 حالت ممكن از تركيبات دوتايي دسته ها هستند. تنها حالتي كه هيچ كدام از شاخص ها، تفاوت معناداري براي آن نشان ندادند، حالت عدم توجه-هوشياري و عدم توجه-عدم هوشياري بود.
چكيده لاتين :
The aim of this paper is to study brain effective connectivity based on directed transform function (DTF) using granger causality method. This connectivity was calculated for recorded data in different states of attention and consciousness, forming four different classes: attention-consciousness, attention-unconsciousness, inattention-consciousness, and inattention-unconsciousness. Some common indices were extracted and calculated from the connectivity matrices. Indices of these four classes were compared to see whether there is a significant difference among them or not. The Multivariate Autoregressive (MVAR) model was used to obtain the linear causal relations between channels. Furthermore, signals were divided into four frequency bands for more accurate investigation, and the existence of significant difference was investigated with two-way repeated measures test. Results indicated that ?DTF?_O1 and ?DTF?_PO7 among twelve indices could show a significant difference (p < 0.05) in five states out of six possible states. The only state that no feature was able to show a meaningful difference was inattention-consciousness, and inattention-unconsciousness.
سال انتشار :
1395
عنوان نشريه :
مهندسي پزشكي زيستي
عنوان نشريه :
مهندسي پزشكي زيستي
لينک به اين مدرک :
بازگشت