25664: پردازش سیگنال‌های الکتروانسفالوگرام
نام درس: پردازش سیگنال‌های الکتروانسفالوگرام (EEG Signals Processing)
شماره درس: 25664
پیش‌نیاز(ها): 25765 (پردازش سیگنال‌های دیجیتال)
هم‌نیاز(ها): -
تعداد واحد: 3
مقطع: کارشناسی ارشد
آخرین ویرایش: شهریور 1401

توضیحات:
در این درس، دانشجویان با پردازش سیگنال‌های مغزی الکتروانسفالوگرام (EEG) آشنا می‌شوند. بدین منظور مراحل مختلف پردازش سیگنال‌های مغزی، شامل ثبت، پیش‌پردازش‌ها، حذف نویز و آرتیفکت، محاسبه ارتباطات مغزی، مکان‌یابی منابع مغزی و اعمال آزمون‌های آماری معرفی شده و استفاده از این سیگنال‌ها در کاربردهای مختلف مانند پردازش سیگنال‌های صرعی، سیگنال‌های خواب، رابط‌های مغز-رایانه و ... مورد بررسی قرار می‌گیرد. در هر یک از این بخش‌ها همراه با یادگیری الگوریتم‌ها و مباحث تئوری، پیاده‌سازی همه مراحل و بررسی نتایج بر روی داده‌های واقعی انجام خواهد شد.
 
سرفصل‌ها:
  • مقدمه: سیگنال‌های مغزی، تولید، ثبت و ویژگی‌ها
    • فعالیت‌های نورونی، پتانسیل عمل و تولید EEG
    • اندازه‌گیری و ثبت فعالیت‌های مغزی (spike، LFP، ECoG، EEG، MEG، fMRI، fNIRS و ...)
    • ریتم‌های سیگنال‌های مغزی
    • الگوهای EEG طبیعی و غیرطبیعی
  • دو دیدگاه پردازش سیگنال‌های مغزی: تصادفی و آشوبی
    • مدلسازی ریاضی سیگنال‌های مغزی
    • دیدگاه تصادفی (غیرایستایی، قطعه‌بندی، تبدیل‌های فرکانسی و زمان-فرکانسی)
    • دیدگاه آشوب و آنالیز آشوبی
      • آنتروپی، آنتروپی Kolmogorov، آنتروپی تقریبی
      • نمای لیاپانوف و محاسبه آن از روی سری زمانی
      • رسم Attractor Dimensions از روی سری زمانی
  • نویزها و آرتیفکت‌های سیگنال‌های مغزی و روش حذف آنها
    • انواع نویزها و آرتیفکت‌ها
    • روش‌های حذف نویز کور و نیمه‌کور 
      • روش‌های BSS لحظه‌ای و کانولوتیو
      • روش‌های نیمه‌کور مبتنی بر GEVD و DSS
      • روش‌های جداسازی منابع مبتنی بر تجزیه‌های تانسوری
  • الگوهای سیگنال‌های مغزی و روش‌های تشخیص آنها
    • پتانسیل‌های برانگیخته (VEP، AEP، SEP)، پتانسیل‌های وابسته به رخداد (ERP)، مولفه‌های مهم (N100، P200 و N200، MMN، P300، P400 و N400)، پتانسیل‌های حالت دائم (SSVEP، ASSR و..)، ERD/ERS، Sleep Spindle و ...
  • ارتباطات مغزی (Brain Connectivity)
    • انواع ارتباطات (ساختاری، کارکردی، مؤثر)
    • معیارهای ارتباطات کارکردی (همبستگی، کوهرنس و ...)
    • معیارهای ارتباطات مؤثر
      • علیت گرنجر
      • معیارهای مبتنی بر فاز
      • معیارهای مبتنی بر اطلاعات متقابل و آنتروپی
      • ساخت گراف و معیارهای ارزیابی مبتنی بر گراف
  • مکان‌یابی منابع مغزی
    • مسئله مستقیم: دوقطبی‌ها، مدل‌های سر، معادلات ماکسول برای حل مسئله مستقیم
    • مسئله معکوس: مدل‌های غیرپارامتری 
      • فرمولاسیون بیزین، روش‌های رگولاریزاسیون و انتخاب پارامتر 
      • روش‌های مبتنی بر فرمولاسیون بیزین (MNE، WMNE، FOCUSS، LORETA، sLORETA، VARETA، LAURA و ...)
    • مسئله معکوس: مدل‌های پارامتری
      • تخمین منابع با حداقل مربعات
      • روش‌های مبتنی بر MUSIC (MUSIC، R-MUSIC، RAP-MUSIC، 4-MUSIC، 4-ExSo-MUSIC و ...)
    • روش‌های ارزیابی حل مسئله معکوس
  • آزمون‌های آماری
    • مزایا و معایب رو‌ش‌های آماری مختلف
    • آزمون جایگشتی غیرپارامتری
    • آنالیزهای آماری درون سوژه‌ای
    • آنالیزهای سطح گروهی
  • برخی از کاربردهای مهم
    • رابط‌های مغز-رایانه (BCI) 
    • نوروفیدبک‌
    • پردازش سیگنال‌های صرعی (تشخیص تشنج و پیشگویی تشنج)
    • پردازش سیگنال‌های مرتبط با خواب و بیهوشی
    • تشخیص ناهنجاری‌ها و بیماری‌های مختلف (آلزایمر، افسردگی، پارکینسون و ...)

مراجع:
  • Sanei, Saeid. Adaptive Processing of Brain Signals, John Wiley & Sons, 2013
  • Cohen, Mike X, Analyzing Neural Time Series Data: Theory and Practice, MIT press, 2014
  • Clerc, Maureen, Laurent Bougrain, and Fabien Lotte, eds., Brain-Computer Interfaces 1: Methods and Perspectives, John Wiley & Sons, 2016
  • Clerc, Maureen, Laurent Bougrain, and Fabien Lotte, eds., Brain-Computer Interfaces 2: Technology and Applications, John Wiley & Sons, 2016


 
آخرین به‌روزرسانی: 5 / 3 / 1403