دانش رسان |
مرکز علم و دانش کشور مقاله شناسایی تشنج صرعی بر پایه‌ی آمارگان نقشه تبدیل موجک و روش EMD برای آنالیز طیفی هیلبرت – هوانگ در باند فرکانسی گاما سیگنال‌هایEEG
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله شناسایی تشنج صرعی بر پایه‌ی آمارگان نقشه تبدیل موجک و روش EMD برای آنالیز طیفی هیلبرت – هوانگ در باند فرکانسی گاما سیگنال‌هایEEG دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله شناسایی تشنج صرعی بر پایه‌ی آمارگان نقشه تبدیل موجک و روش EMD برای آنالیز طیفی هیلبرت – هوانگ در باند فرکانسی گاما سیگنال‌هایEEG کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله شناسایی تشنج صرعی بر پایه‌ی آمارگان نقشه تبدیل موجک و روش EMD برای آنالیز طیفی هیلبرت – هوانگ در باند فرکانسی گاما سیگنال‌هایEEG،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله شناسایی تشنج صرعی بر پایه‌ی آمارگان نقشه تبدیل موجک و روش EMD برای آنالیز طیفی هیلبرت – هوانگ در باند فرکانسی گاما سیگنال‌هایEEG :
تعداد صفحات :۲۴
تشخیص بیماری تشنج با استفاده از آنالیز سیگنال‌های مغزی (EEG) از جمله روش‌های کلینیکی کارآمد در درمان دارویی و تصمیمات پیش از جراحی مغزی می‌باشد. در این مقاله، پس از آماده‌سازی سیگنال‌ها با استفاده از یک فیلترینگ مناسب، باند فرکانسی گاما استخراج شده است و سایر ریتم‌های مغزی، مقادیر نویز محیطی و سیگنال‌های حیاتی دیگر حذف می‌شوند. سپس، تبدیل موجک سیگنال‌های مغزی و نقشه موزائیکی تبدیل موجک در چند سطح محاسبه می‌شود. با تقسیم مناسب نقشه‌ی رنگی به بخش‌بندی‌های مختلف، هیستوگرام هر زیر- تصویر محاسبه شده و آمارگان آن بر پایه‌ی مقدار ممان‌های آماری و آنتروپی منفی محاسبه می‌شود. بردار ویژگی آماری با استفاده از تحلیل مولفه‌های اصلی (PCA) به یک بعد کاهش می‌یابد. با استفاده از الگوریتم EMD و پروسه غربالگری در تحلیل داده‌ها به وسیله‌ی توابع حالت ذاتی (IMF) و مقدار مانده‌ی سیگنال‌ها و با استفاده از طیف تبدیل هیلبرت و تشکیل طیف هیلبرت – هوانگ یک ویژگی مکانی بر پایه‌ی فاصله اقلیدسی برای طبقه‌بندی سیگنال‌های مغزی محاسبه می‌شود. بوسیله‌ی طبقه‌بند K- نزدیک‌ترین همسایه (KNN) و با در نظر گرفتن پارامتر همسایگی بهینه، سیگنال‌های مغزی به دو کلاس دارای تشنج و سیگنال‌های سالم با میزان صحت ۵۴/۷۶% و واریانس خطای ۳۶۸۵/۰ در آزمایش‌های مختلف طبقه‌بندی می‌شوند.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
