کتاب آموزش MATLAB
✍سایت ثبت نام کارگاه پردازش سیگنال های مغزی:
🖥 http://biomedeng.ir/demo/shop
📱لینک عضویت کانال:
✅ https://telegram.me/joinchat/Dxp12D7DKCCAXsQzI2b9cQ

فایل ارایه امروز-بخش اول
#مطالب_پیش_نیاز
#اطلاعیه_ها
سایت کارگاه پردازش سیگنال های مغزی:
🖥 http://biomedeng.ir/demo/shop
📱لینک عضویت در کانال:
📱https://telegram.me/joinchat/Dxp12D7DKCCAXsQzI2b9cQ

فایل ارایه امروز-بخش دوم
#مطالب_پیش_نیاز
#اطلاعیه_ها
سایت کارگاه پردازش سیگنال های مغزی:
🖥 http://biomedeng.ir/demo/shop
📱لینک عضویت در کانال:
📱https://telegram.me/joinchat/Dxp12D7DKCCAXsQzI2b9cQ

فایل ارایه امروز-بخش سوم
#مطالب_پیش_نیاز
#اطلاعیه_ها
سایت کارگاه پردازش سیگنال های مغزی:
🖥 http://biomedeng.ir/demo/shop
📱لینک عضویت در کانال:
📱https://telegram.me/joinchat/Dxp12D7DKCCAXsQzI2b9cQ

آشنایی با روش های آماری در MATLAB
___________
سایت کارگاه پردازش سیگنال های مغزی:
🖥 http://biomedeng.ir/
📱لینک عضویت در کانال
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

کتاب معرفی شده در کارگاه امروز

پردازشهای فرکانسی و زمان فرکانس

Saeid Sanei, J. A. Chambers EEG signal processing

Katarzyn J. Blinowska, Jaroslaw Zygierewicz Practical Biomedical Signal Analysis Using MATLAB® .pdf

فصل اول مقدمات پردازش سیگنال را توضیح داده است نظیر نمونه برداری فرکانس تبدیل فوریه تبدیل z و...
مباحث تحلیل اماری گروه ها و فرضیه های اماری(برای بررسی تفکیک پذیری کلاسها )آزمونهای پارامتری و غیر پارامتری و FDR(false discovery rate)
توضیح داده شده است
فصل دوم
فیلتر کردن طراحی فیلتر FIR تعریف ایستایی و استیشنری بودن، مدل کردن ar, تبدیلات زمان فرکانس
خلاصه ای از روشهای پردازش غیرخطی سیگنال نظیر نمای لیاپانوف، بعد همبستگی، انالیز نوسانات دیترند شده dfa, نقشه های بازگشتی RQ، نگاشت پوانکاره
فصل سوم مفاهیم پردازش توام چند کاناله و Multivariate AR و کانکتیویتیها (اثرات علی (causality )کانالها روی هم ) گفته شده است
مباحث pca, Ica درادامه توضیح داده شده است
فصل چهارم بکار گیری مطالب گفته شده در پردازش سیگنالهای حیاتی مغزی، قلبی و ماهیچه است

Application to biomedical signals
4.1 Brain signals: local field potentials (LFP), electrocorticogram
(ECoG), electroencephalogram (EEG), and magnetoencephalogram
(MEG), event-related responses (ERP), and evoked fields (EF)
4.1.1 Generation of brain signals
4.1.2 EEG/MEG rhythms
4.1.3 EEG measurement, electrode systems
4.1.4 MEG measurement, sensor systems
4.1.5 Elimination of artifacts
4.1.6 Analysis of continuous EEG signals
4.1.6.1 Single channel analysis
4.1.6.2 Multiple channel analysis
4.1.6.2.1 Mapping
4.1.6.2.2 Measuring of dependence between EEG
signals
4.1.6.3 Sleep EEG analysis
4.1.6.4 Analysis of EEG in epilepsy
4.1.6.4.1 Quantification of seizures
4.1.6.4.2 Seizure detection and prediction
4.1.6.4.3 Localization of an epileptic focus
4.1.6.5 EEG in monitoring and anesthesia
4.1.6.5.1 Monitoring brain injury by quantitative
EEG
4.1.6.5.2 Monitoring of EEG during anesthesia
4.1.7 Analysis of epoched EEG signals
4.1.7.1 Analysis of phase locked responses
4.1.7.1.1 Time averaging
4.1.7.1.2 Influence of noise correlation
4.1.7.1.3 Variations in latency
4.1.7.1.4 Habituation
4.1.7.2 In pursuit of single trial evoked responses
4.1.7.2.1 Wiener filters
4.1.7.2.2 Model based approach
4.1.7.2.3 Time-frequency parametric methods
4.1.7.2.4 ERP topography
4.1.7.3 Analysis of non-phase locked responses
4.1.7.3.1 Event-related synchronization and desyn-
chronization
4.1.7.3.2 Classical frequency band methods
4.1.7.3.3 Time-frequency methods
4.1.7.3.4 ERD/ERS in the study of iEEG
4.1.7.3.5 Event-related time-varying functional
connectivity
4.1.7.3.6 Functional connectivity estimation from
intracranial electrical activity

یکی از روشهای کاهش بعد ماتریس ویژگی و پیدا کردن راستاهایی که بیشترین پراکندگی درانها هست روش تحلیل مولفه های اساسی PCA است
این روش در matlab با دستور princomp انجام میشود.

داده ingredients چهار بعدی است و با زدن PCA متوجه میشویم قدرت پراکندگی یا واریانس در بعد چهارم مولفه پی سی ای خیلی کم است(0.2) پس این راستا اطلاعاتی ندارد و قابل حذف است
برای حذف مولفه چهارم ماتریس pc را سه ستون اول را که متناظر با سه واریانس بیشتر است میگیریم و سپس در ماتریس ingredients ضرب میکنیم حالا چهاربعد به سه بعد کاهش میابد که بیشترین پراکندگی را دارند براساس واریانسها 99.96% انرژی در این سه بعد حفظ شده است. اگر راستای اول و دوم را بگیریم 97.88% انرژی اطلاعات را حفظ کرده ایم(یعنی ستونهای اول و دوم ماتریس pc)

اخر شکل نحوه محاسبه درصد انرژی را نشان میدهد👆👆👆

مطالب مرتبط با کارگاه دوروزه 👆👆👆👆

🔹دهمین دوره کارگاه ثبت، تحلیل و پردازش سیگنال های EEG
آخرین کارگاه تابستانه امسال

🔹زمان: 24الی 26 مرداد ماه ۱۳۹۷

🔹کسب اطلاعات بیشتر و ثبت نام از طریق وب سایت:
www.nbml.ir
@eegworkshop

‍ ‍ ‍ 📌نود و یکمین کارگاه آموزش نوروفیدبک عمومی

کارگاه نوروفیدبک عمومی با تدریس دکتر مسعود نصرت آبادی در محل دانشگاه علوم بهزیستی تهران برگزار میشود.
هدف از برگزاری کارگاه سه روزه نوروفیدبک عمومی، آشنا ساختن متخصصان با کاربردهای بالینی و ارتقایی نوروفیدبک می باشد. به افراد شرکت کننده، گواهی نامه معتبر شرکت در دوره اعطا خواهد شد.

⚡کد تخفیف ۲۰ درصدی ویژه اعضای کانال EEGWORKSHOP:👇
➡️ eeg20
❌ مدت اعتبار فقط تا ۳۱ تیر ماه

🔷برای ثبت نام و کسب اطلاعات بیشتر روی لینک زیر کلیک نمایید:
https://goo.gl/vMG7yo