Forwarded from National Brain Mapping Lab
🔹آزمایشگاه ملی نقشه برداری مغز برگزار می کند:
🔸 #کارگاه نحوه طراحی و نوشتن پروپوزال تحقیقاتی برای گرنت های بین المللی
◼مدرس:دکتر ایمان محمد رضا زاده
🔺زمان: چهارشنبه ۱۸ دی ماه ۹۸
ساعت : ۸:۳۰ الی ۱۳
🔻مکان: آزمایشگاه ملی نقشه برداری مغز
❇این کارگاه بصورت رایگان و منوط به ارسال اطلاعات درخواستی مندرج در پوستر و تایید توسط مدرس می باشد.
🌐جهت ثبت نام و کسب اطلاعات بیشتر :
https://nbml.ir/FA/workshops/504752
🔸 #کارگاه نحوه طراحی و نوشتن پروپوزال تحقیقاتی برای گرنت های بین المللی
◼مدرس:دکتر ایمان محمد رضا زاده
🔺زمان: چهارشنبه ۱۸ دی ماه ۹۸
ساعت : ۸:۳۰ الی ۱۳
🔻مکان: آزمایشگاه ملی نقشه برداری مغز
❇این کارگاه بصورت رایگان و منوط به ارسال اطلاعات درخواستی مندرج در پوستر و تایید توسط مدرس می باشد.
🌐جهت ثبت نام و کسب اطلاعات بیشتر :
https://nbml.ir/FA/workshops/504752
Forwarded from National Brain Mapping Lab
🔹آزمایشگاه ملی نقشه برداری مغز برگزار کرد:
🔸روز دوم و سوم از پانزدهمین دوره ثبت،تحلیل و پردازش سیگنال های EEG
(کاربرد در علوم اعصاب محاسباتی)
🔸مدرس:
دکتر ایمان محمدرضا زاده
دکتر علی مطیع نصرآبادی
🔸زمان: ۵ و ۶ دی ماه ۹۸
🔸مکان: آزمایشگاه ملی نقشه برداری مغز
🔸روز دوم و سوم از پانزدهمین دوره ثبت،تحلیل و پردازش سیگنال های EEG
(کاربرد در علوم اعصاب محاسباتی)
🔸مدرس:
دکتر ایمان محمدرضا زاده
دکتر علی مطیع نصرآبادی
🔸زمان: ۵ و ۶ دی ماه ۹۸
🔸مکان: آزمایشگاه ملی نقشه برداری مغز
Forwarded from National Brain Mapping Lab
🔹موقعیت تحصیل در حوزه شبکه هوش مصنوعی
آخرین مهلت درخواست :
15 January, 2020
#رسانه
https://www.linkedin.com/posts/dash-umcg_rosalind-franklin-fellowships-activity-6612321668146700288-ruwT
آخرین مهلت درخواست :
15 January, 2020
#رسانه
https://www.linkedin.com/posts/dash-umcg_rosalind-franklin-fellowships-activity-6612321668146700288-ruwT
Linkedin
Data Science Center in Health (DASH) posted on LinkedIn
Currently, there are two open Tenure/Talent track positions at the UMCG for talented and ambitious female researchers to apply for a Rosalind Franklin ...
Forwarded from National Brain Mapping Lab
🔰آزمایشگاه ملی نقشه برداری مغز برگزار می کند:
💠سومین #کارگاه دو روزه مبانی پردازش سیگنال های حیاتی با نرم افزار متلب با محوریت علوم اعصاب محاسباتی
🔳مدرسین:
دکتر علی مطیع نصرآبادی
مهندس طاهره طالعی
مهندس مهدیه شمس
◼زمان: ۱۶ و ۱۷ بهمن ماه ۹۸
ساعت ۸:۳۰ الی ۱۷
◼مکان: آزمایشگاه ملی نقشه برداری مغز
🌐جهت ثبت نام و کسب اطلاعات بیشتر :
https://nbml.ir/FA/workshops/612731
💠سومین #کارگاه دو روزه مبانی پردازش سیگنال های حیاتی با نرم افزار متلب با محوریت علوم اعصاب محاسباتی
🔳مدرسین:
دکتر علی مطیع نصرآبادی
مهندس طاهره طالعی
مهندس مهدیه شمس
◼زمان: ۱۶ و ۱۷ بهمن ماه ۹۸
ساعت ۸:۳۰ الی ۱۷
◼مکان: آزمایشگاه ملی نقشه برداری مغز
🌐جهت ثبت نام و کسب اطلاعات بیشتر :
https://nbml.ir/FA/workshops/612731
اهداف برگزاری کارگاه:
آشنایی و فعالیت عملی متخصصان حوزه اعصاب و روان با روش های تحلیل و تفسیر اطلاعات در نرم افزار متلب
کار عملی متخصصان اعصاب و روان با محیط برنامه نویسی متلب و آنالیز داده
آشنایی با نحوه ی پردازش و تحلیل داده های مغزی در محیط MATLAB و ایجاد آمادگی برای سایر جعبه ابزار های برپایه متلب
آنالیز عملی سیگنال با روش های زمانی، فرکانسی و زمان-فرکانسی با کاربرد در روانشناسی محاسباتی
آنالیز عملی پتانسیل های وابسته به رخداد
کار عملی با طبقه بندها (مقدماتی)
کار عملی با آنالیز مولفه اساسی (PCA)
مخاطبین: دانشجویان علوم اعصاب شناختی/ روانشناسی / روانپزشکان / متخصصان مغز و اعصاب/ مهندسان و مهندسی پزشکی
آشنایی و فعالیت عملی متخصصان حوزه اعصاب و روان با روش های تحلیل و تفسیر اطلاعات در نرم افزار متلب
کار عملی متخصصان اعصاب و روان با محیط برنامه نویسی متلب و آنالیز داده
آشنایی با نحوه ی پردازش و تحلیل داده های مغزی در محیط MATLAB و ایجاد آمادگی برای سایر جعبه ابزار های برپایه متلب
آنالیز عملی سیگنال با روش های زمانی، فرکانسی و زمان-فرکانسی با کاربرد در روانشناسی محاسباتی
آنالیز عملی پتانسیل های وابسته به رخداد
کار عملی با طبقه بندها (مقدماتی)
کار عملی با آنالیز مولفه اساسی (PCA)
مخاطبین: دانشجویان علوم اعصاب شناختی/ روانشناسی / روانپزشکان / متخصصان مغز و اعصاب/ مهندسان و مهندسی پزشکی
🔰آزمایشگاه ملی نقشه برداری مغز برگزار می کند:
💠سومین #کارگاه دو روزه مبانی پردازش سیگنال های حیاتی با نرم افزار متلب با محوریت علوم اعصاب محاسباتی
🔳مدرسین:
دکتر علی مطیع نصرآبادی
مهندس طاهره طالعی
مهندس مهدیه شمس
◼زمان: ۱۶ و ۱۷ بهمن ماه ۹۸
ساعت ۸:۳۰ الی ۱۷
◼مکان: آزمایشگاه ملی نقشه برداری مغز
🌐جهت ثبت نام و کسب اطلاعات بیشتر :
https://nbml.ir/FA/workshops/612731
کانال کارگاه های پردازش سیگنال های مغزی
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
ارتباط با ما: @EEGWorkshops
https://news.1rj.ru/str/EEGworkshop
💠سومین #کارگاه دو روزه مبانی پردازش سیگنال های حیاتی با نرم افزار متلب با محوریت علوم اعصاب محاسباتی
🔳مدرسین:
دکتر علی مطیع نصرآبادی
مهندس طاهره طالعی
مهندس مهدیه شمس
◼زمان: ۱۶ و ۱۷ بهمن ماه ۹۸
ساعت ۸:۳۰ الی ۱۷
◼مکان: آزمایشگاه ملی نقشه برداری مغز
🌐جهت ثبت نام و کسب اطلاعات بیشتر :
https://nbml.ir/FA/workshops/612731
کانال کارگاه های پردازش سیگنال های مغزی
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
ارتباط با ما: @EEGWorkshops
https://news.1rj.ru/str/EEGworkshop
💡باعرض سلام
خدمت همه مخاطبین عزیز کانال پردازش سیگنال های مغزی
از این پس به صورت منظم معرفی کتاب خواهیم داشت 📒
به این صورت که شنبه هر هفته یک کتاب یا جزوه درهمین حیطه تخصصی درکانال برای شما قرار خواهد شد
📚📚📖📒
باما همراه باشید ...
خدمت همه مخاطبین عزیز کانال پردازش سیگنال های مغزی
از این پس به صورت منظم معرفی کتاب خواهیم داشت 📒
به این صورت که شنبه هر هفته یک کتاب یا جزوه درهمین حیطه تخصصی درکانال برای شما قرار خواهد شد
📚📚📖📒
باما همراه باشید ...
Shanbao_Tong,_Nitish_V_Thankor_Quantitative.pdf
6.6 MB
📚هفته اول
#book
Quantitative EEG Analysis Methods
and Clinical Applications
#هفته_راباکتاب_آغاز_کنیم
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
#book
Quantitative EEG Analysis Methods
and Clinical Applications
#هفته_راباکتاب_آغاز_کنیم
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
فهرست کتاب👆👆👆
Preface xv
CHAPTER 1
Physiological Foundations of Quantitative EEG Analysis 1
1.1 Introduction 1
1.2 A Window on the Mind 3
1.3 Cortical Anatomy and Physiology Overview 4
1.4 Brain Sources 6
1.5 Scalp Potentials Generated by the Mesosources 9
1.6 The Average Reference 10
1.7 The Surface Laplacian 11
1.8 Dipole Layers: The Most Important Sources of EEGs 12
1.9 Alpha Rhythm Sources 14
1.10 Neural Networks, Cell Assemblies, and Field Theoretic Denoscriptions 17
1.11 Phase Locking 17
1.12 “Simple” Theories of Cortical Dynamics 18
1.13 Summary: Brain Volume Conduction Versus Brain Dynamics 20
References 20
Selected Bibliography 22
CHAPTER 2
Techniques of EEG Recording and Preprocessing 23
2.1 Properties of the EEG 23
2.1.1 Event-Related Potentials 23
2.1.2 Event-Related Oscillations 25
2.1.3 Event-Related Brain Dynamics 25
2.2 EEG Electrodes, Caps, and Amplifiers 26
2.2.1 EEG Electrode Types 26
2.2.2 Electrode Caps and Montages 30
2.2.3 EEG Signal and Amplifier Characteristics 31
2.3 EEG Recording and Artifact Removal Techniques 33
2.3.1 EEG Recording Techniques 33
2.3.2 EEG Artifacts 34
2.3.3 Artifact Removal Techniques 36
2.4 Independent Components of Electroencephalographic Data 39
2.4.1 Independent Component Analysis 39
2.4.2 Applying ICA to EEG/ERP Signals 40
2.4.3 Artifact Removal Based on ICA 43
2.4.4 Decomposition of Event-Related EEG Dynamics Based on ICA 46
References 47
CHAPTER 3
Single-Channel EEG Analysis 51
3.1 Linear Analysis of EEGs 51
3.1.1 Classical Spectral Analysis of EEGs 52
3.1.2 Parametric Model of the EEG Time Series 59
3.1.3 Nonstationarity in EEG and Time-Frequency Analysis 63
3.2 Nonlinear Denoscription of EEGs 73
3.2.1 Higher-Order Statistical Analysis of EEGs 75
3.2.2 Nonlinear Dynamic Measures of EEGs 81
3.3 Information Theory-Based Quantitative EEG Analysis 90
3.3.1 Information Theory in Neural Signal Processing 90
3.3.2 Estimating the Entropy of EEG Signals 92
3.3.3 Time-Dependent Entropy Analysis of EEG Signals 94
References 102
CHAPTER 4
Bivariable Analysis of EEG Signals 109
4.1 Cross-Correlation Function 111
4.2 Coherence Estimation 112
4.3 Mutual Information Analysis 114
4.4 Phase Synchronization 116
4.5 Conclusion 119
References 119
CHAPTER 5
Theory of the EEG Inverse Problem 121
5.1 Introduction 121
5.2 EEG Generation 122
5.2.1 The Electrophysiological and Neuroanatomical Basis of
the EEG 122
5.2.2 The Equivalent Current Dipole 123
5.3 Localization of the Electrically Active Neurons as a Small Number
of “Hot Spots” 125
5.3.1 Single-Dipole Fitting 125
5.3.2 Multiple-Dipole Fitting 127
5.4 Discrete, Three-Dimensional Distributed Tomographic Methods 127
5.4.1 The Reference Electrode Problem 129
5.4.2 The Minimum Norm Inverse Solution 129
5.4.3 Low-Resolution Brain Electromagnetic Tomography 131
5.4.4 Dynamic Statistical Parametric Maps
5.4.5 Standardized Low-Resolution Brain Electromagnetic
Tomography 133
5.4.6 Exact Low-Resolution Brain Electromagnetic Tomography 134
5.4.7 Other Formulations and Methods 136
5.5 Selecting the Inverse Solution 136
References 137
CHAPTER 6
Epilepsy Detection and Monitoring 141
6.1 Epilepsy: Seizures, Causes, Classification, and Treatment 141
6.2 Epilepsy as a Dynamic Disease 144
6.3 Seizure Detection and Prediction 145
6.4 Univariate Time-Series Analysis 146
6.4.1 Short-Term Fourier Transform 146
6.4.2 Discrete Wavelet Transforms 148
6.4.3 Statistical Moments 150
6.4.4 Recurrence Time Statistics 151
6.4.5 Lyapunov Exponent 152
6.5 Multivariate Measures 154
6.5.1 Simple Synchronization Measure 154
6.5.2 Lag Synchronization 155
6.6 Principal Component Analysis 156
6.7 Correlation Structure 157
6.8 Multidimensional Probability Evolution 158
6.9 Self-Organizing Map 158
6.10 Support Vector Machine 158
6.11 Phase Correlation 159
6.12 Seizure Detection and Prediction 159
6.13 Performance of Seizure Detection/Prediction Schemes 160
6.13.1 Optimality Index 161
6.13.2 Specificity Rate 162
6.14 Closed-Loop Seizure Prevention Systems 162
6.15 Conclusion
Preface xv
CHAPTER 1
Physiological Foundations of Quantitative EEG Analysis 1
1.1 Introduction 1
1.2 A Window on the Mind 3
1.3 Cortical Anatomy and Physiology Overview 4
1.4 Brain Sources 6
1.5 Scalp Potentials Generated by the Mesosources 9
1.6 The Average Reference 10
1.7 The Surface Laplacian 11
1.8 Dipole Layers: The Most Important Sources of EEGs 12
1.9 Alpha Rhythm Sources 14
1.10 Neural Networks, Cell Assemblies, and Field Theoretic Denoscriptions 17
1.11 Phase Locking 17
1.12 “Simple” Theories of Cortical Dynamics 18
1.13 Summary: Brain Volume Conduction Versus Brain Dynamics 20
References 20
Selected Bibliography 22
CHAPTER 2
Techniques of EEG Recording and Preprocessing 23
2.1 Properties of the EEG 23
2.1.1 Event-Related Potentials 23
2.1.2 Event-Related Oscillations 25
2.1.3 Event-Related Brain Dynamics 25
2.2 EEG Electrodes, Caps, and Amplifiers 26
2.2.1 EEG Electrode Types 26
2.2.2 Electrode Caps and Montages 30
2.2.3 EEG Signal and Amplifier Characteristics 31
2.3 EEG Recording and Artifact Removal Techniques 33
2.3.1 EEG Recording Techniques 33
2.3.2 EEG Artifacts 34
2.3.3 Artifact Removal Techniques 36
2.4 Independent Components of Electroencephalographic Data 39
2.4.1 Independent Component Analysis 39
2.4.2 Applying ICA to EEG/ERP Signals 40
2.4.3 Artifact Removal Based on ICA 43
2.4.4 Decomposition of Event-Related EEG Dynamics Based on ICA 46
References 47
CHAPTER 3
Single-Channel EEG Analysis 51
3.1 Linear Analysis of EEGs 51
3.1.1 Classical Spectral Analysis of EEGs 52
3.1.2 Parametric Model of the EEG Time Series 59
3.1.3 Nonstationarity in EEG and Time-Frequency Analysis 63
3.2 Nonlinear Denoscription of EEGs 73
3.2.1 Higher-Order Statistical Analysis of EEGs 75
3.2.2 Nonlinear Dynamic Measures of EEGs 81
3.3 Information Theory-Based Quantitative EEG Analysis 90
3.3.1 Information Theory in Neural Signal Processing 90
3.3.2 Estimating the Entropy of EEG Signals 92
3.3.3 Time-Dependent Entropy Analysis of EEG Signals 94
References 102
CHAPTER 4
Bivariable Analysis of EEG Signals 109
4.1 Cross-Correlation Function 111
4.2 Coherence Estimation 112
4.3 Mutual Information Analysis 114
4.4 Phase Synchronization 116
4.5 Conclusion 119
References 119
CHAPTER 5
Theory of the EEG Inverse Problem 121
5.1 Introduction 121
5.2 EEG Generation 122
5.2.1 The Electrophysiological and Neuroanatomical Basis of
the EEG 122
5.2.2 The Equivalent Current Dipole 123
5.3 Localization of the Electrically Active Neurons as a Small Number
of “Hot Spots” 125
5.3.1 Single-Dipole Fitting 125
5.3.2 Multiple-Dipole Fitting 127
5.4 Discrete, Three-Dimensional Distributed Tomographic Methods 127
5.4.1 The Reference Electrode Problem 129
5.4.2 The Minimum Norm Inverse Solution 129
5.4.3 Low-Resolution Brain Electromagnetic Tomography 131
5.4.4 Dynamic Statistical Parametric Maps
5.4.5 Standardized Low-Resolution Brain Electromagnetic
Tomography 133
5.4.6 Exact Low-Resolution Brain Electromagnetic Tomography 134
5.4.7 Other Formulations and Methods 136
5.5 Selecting the Inverse Solution 136
References 137
CHAPTER 6
Epilepsy Detection and Monitoring 141
6.1 Epilepsy: Seizures, Causes, Classification, and Treatment 141
6.2 Epilepsy as a Dynamic Disease 144
6.3 Seizure Detection and Prediction 145
6.4 Univariate Time-Series Analysis 146
6.4.1 Short-Term Fourier Transform 146
6.4.2 Discrete Wavelet Transforms 148
6.4.3 Statistical Moments 150
6.4.4 Recurrence Time Statistics 151
6.4.5 Lyapunov Exponent 152
6.5 Multivariate Measures 154
6.5.1 Simple Synchronization Measure 154
6.5.2 Lag Synchronization 155
6.6 Principal Component Analysis 156
6.7 Correlation Structure 157
6.8 Multidimensional Probability Evolution 158
6.9 Self-Organizing Map 158
6.10 Support Vector Machine 158
6.11 Phase Correlation 159
6.12 Seizure Detection and Prediction 159
6.13 Performance of Seizure Detection/Prediction Schemes 160
6.13.1 Optimality Index 161
6.13.2 Specificity Rate 162
6.14 Closed-Loop Seizure Prevention Systems 162
6.15 Conclusion