آزمایشگاه ملی نقشه‏ برداری مغز دومین مسابقه ملی واسط مغز و رایانه (BCI) را با محوریت پردازش سیگنال های مغزی (EEG) برگزار می نماید.

اطلاعات بیشتر را از طریق وبسایت و یا با هشتگ #iBCIC2018 دنبال کنید.

این آگهی به درخواست محقق اطلاع رسانی می شود.👇

با سلام

به منظور انجام و تکمیل یک پروژه تحقیقاتی, نیاز به تعدادی داوطلب جهت ثبت سیگنالهای EEG میباشد.

شرایط داوطلبین:
خانم و آقا بالای ۱۸ سال.
عدم تجربه مصرف داروهای روانپزشکی و سابقه بیماریهای صرع, تشنج و سایر بیماریهای روانی.

شایان ذکر است که این پروژه کاملا برای افراد شرکت کننده بی خطر میباشد.

مدت زمان کل آزمایش در حدود یکساعت و سی دقیقه خواهد بود.

محل انجام پروژه: آزمایشگاه ملی نقشه برداری مغز, پردیس فنی دانشگاه تهران, خیابان کارگر شمالی

به منظور قدردانی از شرکت کنندگان کارت هدیه 70 هزار تومانی تقدیم خواهد شد.

جهت هماهنگی میتوانید به آدرس ایمیل و یا شماره زیر پیام دهید.
mmdavari@gmail.com

09133189653
تاریخهای مورد نظر انجام آزمایش :
دو شنبه 1 مرداد
سه شنبه 2 مرداد
چهارشنبه 3 مرداد

با تشکر

#کتاب

📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

#کتاب

📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

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👆👆👆

در فیلتر کردن سیگنالها بسته به درجه فیلترها از نظر زمانی پیکها جابجا میشوند و مثلا پیک در ثانیه 2 به 2.2 ثانیه منتقل میشود
اگر از نظر زمانی، زمان رویدادن یک اتفاق مهم است در فیلتر کردن باید مواظب باشید تا شیفت پیدا نکند
برای اینکار میتوان از دستور filtfilt متلب استفاده کرد که یکبار سیگنال را درجهت مستقیم زمانی (time forward)و یکبار معکوس زمانی(time reverse) فیلتر میکند و شیفتها جبران میشود

y=filtfilt(num,den,x)
num:چند جمله ای صورت فیلتر بر حسب تبدیل زد
den: چند جمله ای مخرج
x: سیگنال ورودی که طولش باید بیشتر از سه برابر درجه فیلتر باشد
لطفا help filtfilt را ببینید

سیگنال ECG ساختگی 👆👆👆

در تصویر بالا می بینیم فیلتر معمولی شیفت زمانی داده ولی filtfilt محل زمانی پیک را حدودا تغییر نداده

در روشهای استخراج باند الفا در سیگنال های مغزی این نکته در فیلتر کردن مهم است
در فیلترهای FIR حدودا به درجه فیلتر شیفت در نمونه های زمانی داریم مثلا فیلتر درجه 100 حدود 100 نمونه شیفت دارد(اگر فرکانس نمونه برداری 200 هرتز باشد 100 نمونه حدود نیم ثانیه میشود)
این روش برای پردازشهای offline مناسب است و برای کارهای online قابل استفاده نیست

این فیلتر در کارهای محاسبه کانکتیویتیها موثر effective connectivity باعث خراب شدن نتایج میشود

پس کاری که در جایی خیلی درست و صحیح است ممکن است در جای دیگر مناسب نباشد

‍ ‍ ‍ 📌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