ترکیب فیلتر ذره ترتیبی و شکل دهنده پرتو برای مکانیابی منابع اخلالگر مغزی

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 345

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JASP-5-1_009

تاریخ نمایه سازی: 28 فروردین 1401

Abstract:

در این مقاله به مکانیابی منابع اخلالگر فعالیت مغز در بیماران میتلا به اختلالات مغزی، با فرض دانستن اطلاعات مکانی منابع فعال مغز در افراد سالم با توجه به الگوی ارتباطات عملکردی مغز در این افراد و در فعالیت های مشابه، پرداخته می شود. در الگوریتم پیشنهادی، با استفاده از شکل-دهنده پرتو LCMV، اثر منابعی که به طور طبیعی در فعالیت های مختلف فعال هستند، از سیگنال EEG ثبت شده از بیمار، تا حد امکان، حذف و منابع اخلالگر مکانیابی می شود. در روش پیشنهادی برای مکانیابی منابع اخلالگر، از ترکیب روش فیلتر ذره ترتیبی (Sequential Particle Filter (SPF)) و شکل دهنده پرتو (BF) LCMV استفاده می شود. شبیه سازی ها با استفاده از نرم افزار Brain Storm و با استفاده از سیگنال های شبه واقعی مغزی صورت گرفته است. نتایج حاصل از اعمال روش پیشنهادی (SPF-BF) بر سیگنال EEG شبیه سازی شده نشان داده که این روش توانسته در شرایط نویزی شدید، نتایج بهتری نسبت به روش های شکل دهنده پرتو LCMV، الگوریتم های سنتی فیلتر ذره و ترکیب آن ها داشته باشد. همچنین نتایج حاصل از روش پیشنهادی در مقایسه با روش sLORETA حاکی از عملکرد مناسب روش پیشنهادی است. ضمن اینکه روش پیشنهادی در افزایش سرعت محاسبات نیز عملکرد بهتری نسبت به دیگر روش های مشابه داشته است.

Authors

سید مرتضی نوریان نجف آبادی

دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران

حمیدرضا ابوطالبی

دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران

وحید ابوطالبی

دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران

فرزانه شایق

دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • R. Chin Fatt, G. Fonzo and et al, “Effect of ...
  • O’Reilly, J.D. Lewis, M. Elsabbagh, “Is functional brain connectivity atypical ...
  • J. Perkins, M. A. Stokes and et al, “Increased left ...
  • Liu, Y. Sheng and et al, “Improved ASD classification using ...
  • Š. Holiga and et al, “Patients with autism spectrum disorders ...
  • Imperatori, B. Farina and et al, “Default mode network alterations ...
  • Karamzadeh, A. Medvedev and et al, “Capturing dynamic patterns of ...
  • Imperatori, B. Farina and et al, “Aberrant EEG functional connectivity ...
  • E. Whitton, S. Deccy and et al, “Electroencephalography source functional ...
  • Haputhanthri and et al, “An EEG based channel optimized classification ...
  • Askari, S. K. Setarehdan and et al, “Modeling the connections ...
  • A Ali, A.R Syafeeza, A. S Jaafar, M.K Mohd Fitri ...
  • Wang, H. El-Fiqi and et al, “Convolutional Neural Networks Using ...
  • E. Vissers, M. X. Cohen and H. M. Geurts, “Brain ...
  • http://sciencemission.com/news archive/ “can brain connectivity be used as a biomarker ...
  • Zarghami, H. S. Mir and H. Al-Nashash, “Transfer-Function-Based calibration of ...
  • Costa, H. Batatia and et al, “Sparse EEG Source Localization ...
  • Nguyen, T. Potter and et al, “EEG source imaging guided ...
  • Becker, L. Albera and et al, “Brain-Source Imaging: From sparse ...
  • Grech, T. Cassar and et al, “Review on solving the ...
  • Noriega, “A neural model to study sensory abnormalities and multisensory ...
  • I.Papageorgiou andA. Kannappan, “Fuzzy cognitive map ensemble learning paradigm to ...
  • Huang, J. Shih and et al, “Commonalities and differences among ...
  • V. Vliet, N. Chumerin and et al, “Single-trial ERP component ...
  • Popescu, E. Popescu, T. Chan, S. Blunt and J. D. ...
  • V. Veen, W. V. Drongelen, M. Yuchtman and A. Suzuki, ...
  • Georgieva and et al, "A Beamformer-Particle Filter Framework for Localization ...
  • Yuan, T. Liu and et al, “An EEG and fMRI ...
  • Doucet and A.M. Johansen, Atutorial on particle filtering and smoothing: ...
  • Galka, O. Yamashita, T. Ozaki, R. Biscay and P. Valde, ...
  • Şengül, U. Baysal, “an extended kalman filtering approach for the ...
  • Arulampalam, S. Maskell, N. Gordon, and T. Clapp, "A tutorial ...
  • R. Mohseni, S. Sanei and et al, "A beamforming particle ...
  • Salu, L. Cohen, D. Rose, S. Sato, C.Kufta and M.Hallet, ...
  • م. نوریان، ح. ر. ابوطالبی و و. ابوطالبی « معرفی ...
  • م. نوریان، ح. ر. ابوطالبی و و. ابوطالبی « مکانیابی ...
  • Qiu and et al, “A survey of motion-based multitarget tracking ...
  • Miao, J. J. Zhang, C. Chakrabarti and A. Papandreou-Suppappola, “Efficient ...
  • Amrouche, A. Khenchaf andD. Berkani, "Multiple target tracking using track before ...
  • N. Ito and S. Godsill, “A multi-target track-before-detect particle filter ...
  • https://www.cs.colostate.edu/eeg/main/data/۱۹۸۹_Keirn_and_Aunon ...
  • http://neuroimage.usc.edu/brainstorm ...
  • C. Mosher, R. M. Leahy and P. S. Lewis, “EEG ...
  • Ali Aroudi and Simon Doclo, “Cognitive-driven binaural lcmv beamformer using eeg-based ...
  • D. Pascual-Marqui, “Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details,” ...
  • نمایش کامل مراجع