💡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
163
References 165
CHAPTER 7
Monitoring Neurological Injury by qEEG 169
7.1 Introduction: Global Ischemic Brain Injury After Cardiac Arrest 169
7.1.1 Hypothermia Therapy and the Effects on Outcome After
Cardiac Arrest 170
7.2 Brain Injury Monitoring Using EEG 171
7.3 Entropy and Information Measures of EEG 173
7.3.1 Information Quantity 175
7.3.2 Subband Information Quantity 176
7.4 Experimental Methods 177
7.4.1 Experimental Model of CA, Resuscitation, and Neurological
7.4.1 Evaluation
7.4.2 Therapeutic Hypothermia 179
7.5 Experimental Results 180
7.5.1 qEEG-IQ Analysis of Brain Recovery After Temperature
7.5.1 Manipulation 181
7.5.2 qEEG-IQ Analysis of Brain Recovery After Immediate Versus
7.5.1 Conventional Hypothermia 182
7.5.3 qEEG Markers Predict Survival and Functional Outcome 184
7.6 Discussion of the Results 187
References 188
CHAPTER 8
Quantitative EEG-Based Brain-Computer Interface 193
8.1 Introduction to the qEEG-Based Brain-Computer Interface 193
8.1.1 Quantitative EEG as a Noninvasive Link Between Brain and
7.5.1 Computer 193
8.1.2 Components of a qEEG-Based BCI System 194
8.1.3 Oscillatory EEG as a Robust BCI Signal 196
8.2 SSVEP-Based BCI 197
8.2.1 Physiological Background and BCI Paradigm 197
8.2.2 A Practical BCI System Based on SSVEP 199
8.2.3 Alternative Approaches and Related Issues 202
8.3 Sensorimotor Rhythm-Based BCI 205
8.3.1 Physiological Background and BCI Paradigm 205
8.3.2 Spatial Filter for SMR Feature Enhancing 207
8.3.3 Online Three-Class SMR-Based BCI 210
8.3.4 Alternative Approaches and Related Issues 215
8.4 Concluding Remarks 218
8.4.1 BCI as a Modulation and Demodulation System 218
8.4.2 System Design for Practical Applications 219
Acknowledgments 220
References 220
CHAPTER 9
EEG Signal Analysis in Anesthesia 225
9.1 Rationale for Monitoring EEG in the Operating Room 225
9.2 Nature of the OR Environment 229
9.3 Data Acquisition and Preprocessing for the OR 230
9.3.1 Amplifiers 230
9.3.2 Signal Processing 231
9.4 Time-Domain EEG Algorithms 233
9.4.1 Clinical Applications of Time-Domain Methods 235
9.4.2 Entropy 237
9.5 Frequency-Domain EEG Algorithms 239
9.5.1 Fast Fourier Transform 239
9.5.2 Mixed Algorithms: Bispectrum 245
9.5.3 Bispectral Index: Implementation 247
9.5.4 Bispectral Index: Clinical Results
9.6 Conclusions 251
References 251
CHAPTER 10
Quantitative Sleep Monitoring 257
10.1 Overview of Sleep Stages and Cycles 257
10.2 Sleep Architecture Definitions 259
10.3 Differential Amplifiers, Digital Polysomnography, Sensitivity,
7.51 and Filters 259
10.4 Introduction to EEG Terminology and Monitoring 261
10.5 EEG Monitoring Techniques 262
10.6 Eye Movement Recording 262
10.7 Electromyographic Recording 262
10.8 Sleep Stage Characteristics 264
10.8.1 Atypical Sleep Patterns 264
10.8.2 Sleep Staging in Infants and Children 265
10.9 Respiratory Monitoring 267
10.10 Adult Respiratory Definitions 268
10.11 Pediatric Respiratory Definitions 270
10.12 Leg Movement Monitoring 271
10.13 Polysomnography, Biocalibrations, and Technical Issues 272
10.14 Quantitative Polysomnography 273
10.14.1 EEG 273
10.14.2 EOG 276
10.14.3 EMG 278
10.15 Advanced EEG Monitoring 280
10.15.1 Wavelet Analysis 281
10.15.2 Matching Pursuit 282
10.16 Statistics of Sleep State Detection Schemes 282
10.16.1 M Binary Classification Problems 283
10.16.2 Contingency Table 284
10.17 Positive Airway Pressure Treatment for Obstructive Sleep Apnea 285
10.17.1 APAP with Forced Oscillations 285
10.17.2 Measurements for FOT 285
References 286
CHAPTER 11
EEG Signals in Psychiatry: Biomarkers for Depression Management 289
11.1 EEG in Psychiatry 289
11.1.1 Application of EEGs in Psychiatry: From Hans Berger
7.5.11 to qEEG 289
11.1.2 Challenges to Acceptance: What Do the Signals Mean? 290
11.1.3 Interpretive Frameworks to Relate qEEG to Other
7.5.11 Neurobiological Measures 291
11.2 qEEG Measures as Clinical Biomarkers in Psychiatry 293
11.2.1 Biomarkers in Clinical Medicine
11.2.2 Potential for the Use of Biomarkers in the Cli
References 165
CHAPTER 7
Monitoring Neurological Injury by qEEG 169
7.1 Introduction: Global Ischemic Brain Injury After Cardiac Arrest 169
7.1.1 Hypothermia Therapy and the Effects on Outcome After
Cardiac Arrest 170
7.2 Brain Injury Monitoring Using EEG 171
7.3 Entropy and Information Measures of EEG 173
7.3.1 Information Quantity 175
7.3.2 Subband Information Quantity 176
7.4 Experimental Methods 177
7.4.1 Experimental Model of CA, Resuscitation, and Neurological
7.4.1 Evaluation
7.4.2 Therapeutic Hypothermia 179
7.5 Experimental Results 180
7.5.1 qEEG-IQ Analysis of Brain Recovery After Temperature
7.5.1 Manipulation 181
7.5.2 qEEG-IQ Analysis of Brain Recovery After Immediate Versus
7.5.1 Conventional Hypothermia 182
7.5.3 qEEG Markers Predict Survival and Functional Outcome 184
7.6 Discussion of the Results 187
References 188
CHAPTER 8
Quantitative EEG-Based Brain-Computer Interface 193
8.1 Introduction to the qEEG-Based Brain-Computer Interface 193
8.1.1 Quantitative EEG as a Noninvasive Link Between Brain and
7.5.1 Computer 193
8.1.2 Components of a qEEG-Based BCI System 194
8.1.3 Oscillatory EEG as a Robust BCI Signal 196
8.2 SSVEP-Based BCI 197
8.2.1 Physiological Background and BCI Paradigm 197
8.2.2 A Practical BCI System Based on SSVEP 199
8.2.3 Alternative Approaches and Related Issues 202
8.3 Sensorimotor Rhythm-Based BCI 205
8.3.1 Physiological Background and BCI Paradigm 205
8.3.2 Spatial Filter for SMR Feature Enhancing 207
8.3.3 Online Three-Class SMR-Based BCI 210
8.3.4 Alternative Approaches and Related Issues 215
8.4 Concluding Remarks 218
8.4.1 BCI as a Modulation and Demodulation System 218
8.4.2 System Design for Practical Applications 219
Acknowledgments 220
References 220
CHAPTER 9
EEG Signal Analysis in Anesthesia 225
9.1 Rationale for Monitoring EEG in the Operating Room 225
9.2 Nature of the OR Environment 229
9.3 Data Acquisition and Preprocessing for the OR 230
9.3.1 Amplifiers 230
9.3.2 Signal Processing 231
9.4 Time-Domain EEG Algorithms 233
9.4.1 Clinical Applications of Time-Domain Methods 235
9.4.2 Entropy 237
9.5 Frequency-Domain EEG Algorithms 239
9.5.1 Fast Fourier Transform 239
9.5.2 Mixed Algorithms: Bispectrum 245
9.5.3 Bispectral Index: Implementation 247
9.5.4 Bispectral Index: Clinical Results
9.6 Conclusions 251
References 251
CHAPTER 10
Quantitative Sleep Monitoring 257
10.1 Overview of Sleep Stages and Cycles 257
10.2 Sleep Architecture Definitions 259
10.3 Differential Amplifiers, Digital Polysomnography, Sensitivity,
7.51 and Filters 259
10.4 Introduction to EEG Terminology and Monitoring 261
10.5 EEG Monitoring Techniques 262
10.6 Eye Movement Recording 262
10.7 Electromyographic Recording 262
10.8 Sleep Stage Characteristics 264
10.8.1 Atypical Sleep Patterns 264
10.8.2 Sleep Staging in Infants and Children 265
10.9 Respiratory Monitoring 267
10.10 Adult Respiratory Definitions 268
10.11 Pediatric Respiratory Definitions 270
10.12 Leg Movement Monitoring 271
10.13 Polysomnography, Biocalibrations, and Technical Issues 272
10.14 Quantitative Polysomnography 273
10.14.1 EEG 273
10.14.2 EOG 276
10.14.3 EMG 278
10.15 Advanced EEG Monitoring 280
10.15.1 Wavelet Analysis 281
10.15.2 Matching Pursuit 282
10.16 Statistics of Sleep State Detection Schemes 282
10.16.1 M Binary Classification Problems 283
10.16.2 Contingency Table 284
10.17 Positive Airway Pressure Treatment for Obstructive Sleep Apnea 285
10.17.1 APAP with Forced Oscillations 285
10.17.2 Measurements for FOT 285
References 286
CHAPTER 11
EEG Signals in Psychiatry: Biomarkers for Depression Management 289
11.1 EEG in Psychiatry 289
11.1.1 Application of EEGs in Psychiatry: From Hans Berger
7.5.11 to qEEG 289
11.1.2 Challenges to Acceptance: What Do the Signals Mean? 290
11.1.3 Interpretive Frameworks to Relate qEEG to Other
7.5.11 Neurobiological Measures 291
11.2 qEEG Measures as Clinical Biomarkers in Psychiatry 293
11.2.1 Biomarkers in Clinical Medicine
11.2.2 Potential for the Use of Biomarkers in the Cli
nical Care of
7.5.11 Psychiatric Patients 294
11.2.3 Pitfalls 302
11.2.4 Pragmatic Evaluation of Candidate Biomarkers 304
11.3 Research Applications of EEG to Examine Pathophysiology
7.51 in Depression 305
11.3.1 Resting State or Task-Related Differences Between Depressed
7 .5.11 and Healthy Subjects 305
11.3.2 Toward Physiological Endophenotypes 307
11.4 Conclusions 307
Acknowledgments 308
References 308
CHAPTER 12
Combining EEG and MRI Techniques 317
12.1 EEG and MRI 317
12.1.1 Coregistration 319
12.1.2 Volume Conductor Models 321
12.1.3 Source Space 323
12.1.4 Source Localization Techniques 327
12.1.5 Communication and Visualization of Results 329
12.2 Simultaneous EEG and fMRI 335
12.2.1 Introduction 335
12.2.2 Technical Challenges 336
12.2.3 Using fMRI to Study EEG Phenomena 341
12.2.4 EEG in Generation of Better Functional MR Images 348
12.2.5 The Inverse EEG Problem: fMRI Constrained EEG Source
7.5.21 Localization 349
12.2.6 Ongoing and Future Directions 349
Acknowledgments 350
References 350
CHAPTER 13
Cortical Functional Mapping by High-Resolution EEG 355
13.1 HREEG: An Overview 355
13.2 The Solution of the Linear Inverse Problem: The Head Models
7.5.1 and the Cortical Source Estimation 357
13.3 Frequency-Domain Analysis: Cortical Power Spectra Computation 360
13.4 Statistical Analysis: A Method to Assess Differences Between Brain
7...1 Activities During Different Experimental Tasks 361
13.5 Group Analysis: The Extraction of Common Features Within the
7...1 Population 365
13.6 Conclusions 366
References
CHAPTER 14
Cortical Function Mapping with Intracranial EEG 369
14.1 Strengths and Limitations of iEEG 369
14.2 Intracranial EEG Recording Methods 370
14.3 Localizing Cortical Function 372
14.3.1 Analysis of Phase-Locked iEEG Responses 372
14.3.2 Application of Phase-Locked iEEG Responses to Cortical
7.5.21 Function Mapping 373
14.3.3 Analysis of Nonphase-Locked Responses in iEEG 375
14.3.4 Application of Nonphase-Locked Responses to Cortical
7.5.11 Function Mapping 379
14.4 Cortical Network Dynamics 384
14.4.1 Analysis of Causality in Cortical Networks 385
14.4.2 Application of ERC to Cortical Function Mapping 389
14.5 Future Applications of iEEG 391
Acknowledgments 391
References 392
About the Editors 401
List of Contributors
7.5.11 Psychiatric Patients 294
11.2.3 Pitfalls 302
11.2.4 Pragmatic Evaluation of Candidate Biomarkers 304
11.3 Research Applications of EEG to Examine Pathophysiology
7.51 in Depression 305
11.3.1 Resting State or Task-Related Differences Between Depressed
7 .5.11 and Healthy Subjects 305
11.3.2 Toward Physiological Endophenotypes 307
11.4 Conclusions 307
Acknowledgments 308
References 308
CHAPTER 12
Combining EEG and MRI Techniques 317
12.1 EEG and MRI 317
12.1.1 Coregistration 319
12.1.2 Volume Conductor Models 321
12.1.3 Source Space 323
12.1.4 Source Localization Techniques 327
12.1.5 Communication and Visualization of Results 329
12.2 Simultaneous EEG and fMRI 335
12.2.1 Introduction 335
12.2.2 Technical Challenges 336
12.2.3 Using fMRI to Study EEG Phenomena 341
12.2.4 EEG in Generation of Better Functional MR Images 348
12.2.5 The Inverse EEG Problem: fMRI Constrained EEG Source
7.5.21 Localization 349
12.2.6 Ongoing and Future Directions 349
Acknowledgments 350
References 350
CHAPTER 13
Cortical Functional Mapping by High-Resolution EEG 355
13.1 HREEG: An Overview 355
13.2 The Solution of the Linear Inverse Problem: The Head Models
7.5.1 and the Cortical Source Estimation 357
13.3 Frequency-Domain Analysis: Cortical Power Spectra Computation 360
13.4 Statistical Analysis: A Method to Assess Differences Between Brain
7...1 Activities During Different Experimental Tasks 361
13.5 Group Analysis: The Extraction of Common Features Within the
7...1 Population 365
13.6 Conclusions 366
References
CHAPTER 14
Cortical Function Mapping with Intracranial EEG 369
14.1 Strengths and Limitations of iEEG 369
14.2 Intracranial EEG Recording Methods 370
14.3 Localizing Cortical Function 372
14.3.1 Analysis of Phase-Locked iEEG Responses 372
14.3.2 Application of Phase-Locked iEEG Responses to Cortical
7.5.21 Function Mapping 373
14.3.3 Analysis of Nonphase-Locked Responses in iEEG 375
14.3.4 Application of Nonphase-Locked Responses to Cortical
7.5.11 Function Mapping 379
14.4 Cortical Network Dynamics 384
14.4.1 Analysis of Causality in Cortical Networks 385
14.4.2 Application of ERC to Cortical Function Mapping 389
14.5 Future Applications of iEEG 391
Acknowledgments 391
References 392
About the Editors 401
List of Contributors
فصل اول به توضیح پایه های فیزیولوژی تولید سیگنالهای EEG پرداخته است
فصل دوم به نحوه ثبت و پیش پردازش EEG و ERP پرداخته است. روشهای حذف نویز با ICA هم توضیح داده شده است
فصل سوم به توضیح پردازش تک کانال EEG امده است. مفاهیم فرکانس، زمان-فرکانس، پردازش غیر خطی و تئوری اطلاعات و انتروپی اشاره شده است.
فصل چهارم به ویژگیهای بین دو کانال یا متغیر bivariable پرداخته است. همبستگی متقابل، همدوستی coherence، اطلاعات متقابل، همزمانی فاز توضیح داده شده است.
درفصل پنج به مسئله مکانیابی منابع و مسئله معکوس یعنی پیدا کردن منابع تولید کنند سیگنال در کورتکس از روی ثبت سیگنالهای کانالهای از روی سطح پوست EEG پرداخته است.
روشهای پیدا کردن تک منبع، چند منبعی، کمترین نورم دو، لورتا و ... توضیح داده شده است
فصل ششم اشکارسازی صرع و مانیتورینگ آن است. مباحث اشکار سازی و پیش بینی صرع و روشهای ریاضی بکار رفته در آن مانند ویولت، منحنیهای بازگشتی، نمای لیاپانوف، سنکرونیزیشن، PCA، SVM، SOM، و ... اورده شده است.
فصل هفتم به مانیتورینگ ضایعه های نورولوژی با QEEG پرداخته است. انواع مشکلات و اسیبها مطرح شده است.
فصل هشت کاربردهای QEEG در BCI پرداخته است. SSVEP و SMR توضیح داده شده است.
فصل نهم پردازش سیگنالهای مغزی در بیهوشی است. روشهای ریاضی بکار رفته در تعیین بیهوشی با انتروپی، طیف فرکانسی، طیف دوگانه bispectrum, bispectral شرح داده شده است.
فصل دهم درباره مانیتورینگ خواب است. نحوه ثبت و مشخصات مراحل خواب و الگوهای خاص ان، ثبت سیگنالهای EMG, EOG,EEG و روشهای تحلیل ان است.
فصل یازدهم درباره سیگنالEEG در روانپزشکی و بیومارکرهای مدیریت افسردگی است.
فصل دوازدهم درباره تلفیق EEG-MRI و fMRI و روشهای آن است. استفاده از اطلاعات MRI در حل مسئله معکوس EEG
فصل سیزدهم درباره بکارگیری EEG رزولوشن بالا برای بدست آوردن نگاشت عملکردی کورتکس است. به تخمین منابع فعال و مسئله انالیز گروهی ان پرداخته شده است
فصل چهاردم به بکارگیری iEEG یا ECoG برای بدست آوردن نگاشت عملکردی کورتکس پرداخته است. بحث ارتباطات عملکردی و موثر بین نواحی هم اشاره شده است
کانال کارگاه های پردازش سیگنال های مغزی
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
فصل دوم به نحوه ثبت و پیش پردازش EEG و ERP پرداخته است. روشهای حذف نویز با ICA هم توضیح داده شده است
فصل سوم به توضیح پردازش تک کانال EEG امده است. مفاهیم فرکانس، زمان-فرکانس، پردازش غیر خطی و تئوری اطلاعات و انتروپی اشاره شده است.
فصل چهارم به ویژگیهای بین دو کانال یا متغیر bivariable پرداخته است. همبستگی متقابل، همدوستی coherence، اطلاعات متقابل، همزمانی فاز توضیح داده شده است.
درفصل پنج به مسئله مکانیابی منابع و مسئله معکوس یعنی پیدا کردن منابع تولید کنند سیگنال در کورتکس از روی ثبت سیگنالهای کانالهای از روی سطح پوست EEG پرداخته است.
روشهای پیدا کردن تک منبع، چند منبعی، کمترین نورم دو، لورتا و ... توضیح داده شده است
فصل ششم اشکارسازی صرع و مانیتورینگ آن است. مباحث اشکار سازی و پیش بینی صرع و روشهای ریاضی بکار رفته در آن مانند ویولت، منحنیهای بازگشتی، نمای لیاپانوف، سنکرونیزیشن، PCA، SVM، SOM، و ... اورده شده است.
فصل هفتم به مانیتورینگ ضایعه های نورولوژی با QEEG پرداخته است. انواع مشکلات و اسیبها مطرح شده است.
فصل هشت کاربردهای QEEG در BCI پرداخته است. SSVEP و SMR توضیح داده شده است.
فصل نهم پردازش سیگنالهای مغزی در بیهوشی است. روشهای ریاضی بکار رفته در تعیین بیهوشی با انتروپی، طیف فرکانسی، طیف دوگانه bispectrum, bispectral شرح داده شده است.
فصل دهم درباره مانیتورینگ خواب است. نحوه ثبت و مشخصات مراحل خواب و الگوهای خاص ان، ثبت سیگنالهای EMG, EOG,EEG و روشهای تحلیل ان است.
فصل یازدهم درباره سیگنالEEG در روانپزشکی و بیومارکرهای مدیریت افسردگی است.
فصل دوازدهم درباره تلفیق EEG-MRI و fMRI و روشهای آن است. استفاده از اطلاعات MRI در حل مسئله معکوس EEG
فصل سیزدهم درباره بکارگیری EEG رزولوشن بالا برای بدست آوردن نگاشت عملکردی کورتکس است. به تخمین منابع فعال و مسئله انالیز گروهی ان پرداخته شده است
فصل چهاردم به بکارگیری iEEG یا ECoG برای بدست آوردن نگاشت عملکردی کورتکس پرداخته است. بحث ارتباطات عملکردی و موثر بین نواحی هم اشاره شده است
کانال کارگاه های پردازش سیگنال های مغزی
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
Telegram
EEG workshop
کانال کارگاه های پردازش سیگنال های مغزی
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
ارتباط با ما: @EEGWorkshops
ارتباط با دکتر نصرآبادی
@ali_m_n2015
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
ارتباط با ما: @EEGWorkshops
ارتباط با دکتر نصرآبادی
@ali_m_n2015
Forwarded from EEG workshop
🔰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
Forwarded from Deleted Account
⚜ دانشگاه آزاد واحد دزفول برگزار می کند:
*⚜ اولین کنفرانس ملی پژوهشهای نوین در مهندسی پزشکی ⚜*
*محورهای همایش:*
پردازش سیگنالهای حیاتی
پردازش تصـاویر پزشکـی
ابزاردقیق پزشکـی
مدلسازی سیستمهای بیولوژیکی
سیستمهای تصویربرداری پزشکی
علوم عصبی محـاسباتی
بیوانفورماتیک پزشکی
مهندسی ورزش
مهندسی پزشکی بیومتریال
مهندسی پزشکی بیومکانیک
*مهلت ارسال مقالات:*
۱۸ بهمن ماه ۱۳۹۸
*مهلت ثبت نام:*
۲ اسفند ماه
*تاریخ برگزاری:*
8 و 9 اسفند ماه 1398
⚜ جهت ثبت نام و شرکت در کنفرانس به سایت زیر مراجعه نمایید:
*nrbme.iaud.ac.ir*
*⚜ اولین کنفرانس ملی پژوهشهای نوین در مهندسی پزشکی ⚜*
*محورهای همایش:*
پردازش سیگنالهای حیاتی
پردازش تصـاویر پزشکـی
ابزاردقیق پزشکـی
مدلسازی سیستمهای بیولوژیکی
سیستمهای تصویربرداری پزشکی
علوم عصبی محـاسباتی
بیوانفورماتیک پزشکی
مهندسی ورزش
مهندسی پزشکی بیومتریال
مهندسی پزشکی بیومکانیک
*مهلت ارسال مقالات:*
۱۸ بهمن ماه ۱۳۹۸
*مهلت ثبت نام:*
۲ اسفند ماه
*تاریخ برگزاری:*
8 و 9 اسفند ماه 1398
⚜ جهت ثبت نام و شرکت در کنفرانس به سایت زیر مراجعه نمایید:
*nrbme.iaud.ac.ir*
هموطنان گرامی سلام!
✅با توجه به موضوع تهدید آثار و اماکن فرهنگی ایران توسط ریاست جمهوری ایالات متحده آمریکا، یک درخواست به دبیر کل سازمان ملل متحد نوشته شده است که نیازمند امضاء شما است.
✅خواهشمندیم این بیانیه را بخوانید و چنانچه با آن موافق هستید، امضاء نموده و برای دیگران نیز ارسال بفرمائید (حتی به افراد غیر فارسی زبان)!
✅این درخواست فاقد هر گونه جهت گیری اعتقادی، سیاسی و یا ملی است. از پشتیبانی شما و نشر آن پیشاپیش کمال تشکر را دارد.
https://www.thepetitionsite.com/271/279/673/demand-to-end-threat-against-human-cultural-heritages./
✅با توجه به موضوع تهدید آثار و اماکن فرهنگی ایران توسط ریاست جمهوری ایالات متحده آمریکا، یک درخواست به دبیر کل سازمان ملل متحد نوشته شده است که نیازمند امضاء شما است.
✅خواهشمندیم این بیانیه را بخوانید و چنانچه با آن موافق هستید، امضاء نموده و برای دیگران نیز ارسال بفرمائید (حتی به افراد غیر فارسی زبان)!
✅این درخواست فاقد هر گونه جهت گیری اعتقادی، سیاسی و یا ملی است. از پشتیبانی شما و نشر آن پیشاپیش کمال تشکر را دارد.
https://www.thepetitionsite.com/271/279/673/demand-to-end-threat-against-human-cultural-heritages./
Thepetitionsite
petition: Demand to end threat against Human Cultural Heritages.
Secretary-General of the United Nations By signing this petition ,I declare that The United States of America president's threat (16515 signatures on petition)
Forwarded from EEG workshop
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
Forwarded from EEG workshop
🔰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
Matlab For Neuroscientists.pdf
29.3 MB
📚هفته دوم
#book
Matlab For Neuroscientists
#هفته_راباکتاب_آغاز_کنیم
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
#book
Matlab For Neuroscientists
#هفته_راباکتاب_آغاز_کنیم
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
EEG workshop
Matlab For Neuroscientists.pdf
کارگاه دو روزه مبانی پردازش سیگنالهای حیاتی با نرم افزار متلب با محوریت علوم اعصاب محاسباتی
بر اساس این کتاب طراحی شده است و اکثر فصول ۱تا ۱۹ ان بطور کامل یا نسبی پوشانده شده است
علاوه بر ان مطالب مرتبط با طبقه بندی داده نیز اورده شده است
بر اساس این کتاب طراحی شده است و اکثر فصول ۱تا ۱۹ ان بطور کامل یا نسبی پوشانده شده است
علاوه بر ان مطالب مرتبط با طبقه بندی داده نیز اورده شده است
Forwarded from EEG workshop
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
Forwarded from EEG workshop
🔰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
بکارگیری ویولت کوهیرنس برای محاسبه فانکشنال کانکتیویتی یا ارتباطات عملکردی 👆👆👆
متن معرفی اولیه است
متن معرفی اولیه است
Forwarded from Farmed
✅ آپدیت جامعترین و کاملترین نرمافزار نوروفیدبک و بیوفیدبک BioGraph Infiniti - آذر ۱۳۹۸ (December 2019)
💠 امکانات جدید درمانی:
✔️ پشتیبانی از کوچکترین دستگاه بیوفیدبک دنیا با ۳ سنسور دما، رسانائی پوست و فشار خون EVU TPS SENSOR
✔️ پشتیبانی از دستگاه جدید بیوفیدبک Myonyx
✔️اضافه شدن لیست استاندارد مکانهای عضلات برای EMG و لیست سیستم 10-20 برای EEG برای مشخص کردن راحتتر مکان ثبت
✔️دستهبندی سوئیتها برای راحتی دسترسی
💠امکانات جدید حرفهای:
✔️الگوریتم جدید covariance برای اندازهگیری دقیقتر این شاخصه از دو سیگنال
✔️امکان استخراج محرکهای دیداری-شنیداری
✔️افزایش تعداد کانالهای اطلاعات خروجی از طریق TCP/IP
🔺شما میتوانید برای بروزرسانی این نرمافزار به سایت فارمد تجهیز مراجعه کنید.
farmedtajhiz.com
@farmed
💠 امکانات جدید درمانی:
✔️ پشتیبانی از کوچکترین دستگاه بیوفیدبک دنیا با ۳ سنسور دما، رسانائی پوست و فشار خون EVU TPS SENSOR
✔️ پشتیبانی از دستگاه جدید بیوفیدبک Myonyx
✔️اضافه شدن لیست استاندارد مکانهای عضلات برای EMG و لیست سیستم 10-20 برای EEG برای مشخص کردن راحتتر مکان ثبت
✔️دستهبندی سوئیتها برای راحتی دسترسی
💠امکانات جدید حرفهای:
✔️الگوریتم جدید covariance برای اندازهگیری دقیقتر این شاخصه از دو سیگنال
✔️امکان استخراج محرکهای دیداری-شنیداری
✔️افزایش تعداد کانالهای اطلاعات خروجی از طریق TCP/IP
🔺شما میتوانید برای بروزرسانی این نرمافزار به سایت فارمد تجهیز مراجعه کنید.
farmedtajhiz.com
@farmed