NEW BOT Телеграм, страница

سرفصل ها:
–   مقدمه ای بر تولید و ثبتEEG
– نحوه الکترود گذاشتن
– نحوه ثبت تک قطبی و دو قطبی
– اهمیت مرجع در ثبت
– نحوه ثبت ERP
– پروتکلهای ثبت و تحریک
– پتانسیل برانگیخته بیناییVEP
– پتانسیل برانگیخته شنوایی AEP
– پتانسیل برانگیخته حسی- حرکتیSEP
– پتانسیلهای وابسته به رخدادERP
– تعریف مولفهای P وN و ارتباط آنها با تحریک
– تعریف مولفهای P و N و ارتباط آنها با تحریک
– مقدمه ای بر مفاهیم و تعاریف مرتبط با پردازش EEG/ERP نظیر هادی حجمی، منابع مغزی، cortical patch و …
– تعریف فرکانس و تبدیل فوریه
– کاربردهای آن در تخمین طیف سیگنالهای ایستا
– پنجره کردن و قطعه بندی سیگنال و انواع پنجره، مستطیلی، گوسی
– مفاهیم نشت فرکانس و رزولوشن فرکانس در تخمین طیف
– تخمین طیف با روش ولش Welch
– مقدمه ای بر تحلیل مولف های مستقل ICA و تجزیه به زیر فضاها
– کاربرد ICA در پردازش سیگناهای مغزی، مولفه های مغزی و غیر مغزی
– بررسی طیف مولفه‌ها، فعالیت زمانی مولفه ها و نقشه مولفه ها ICA Topoplot برای تشخیص مولفه های مغزی از غیر مغزی
– حذف نویز از سیگنال های مغزی با کمک ICA
– کار با eeglab
– وارد کردن داده ها به eeglab
– تعریف channel location و event
– بررسی شکل زمانی و فرکانسی داده ها
– تمیز کردن چشمی داده ها
– بکار گیری ICA در تمیز کردن سیگنال
– استخراج   ERP ها از سیگنال پیوسته EEG
– بررسی انواع نمایش ERP   روی کانالها و در زمان
– نمایش همزمان ERP ها با زمان واکنش و کاربردهای آن
– کار با پلاگینهای اتوماتیک تمیز کردن سیگنالEEG و حذف مؤلفه‌های غیر مغزی ICA
ASR, ADJUST, ICLABEL
– توضیح تحلیل زمان- فرکانس برای سیگنالهای غیر ایستا Time-frequency representation
– تبدیل فوریه زمان کوتاه STFT
– تبدیل ویولت Wavelet
– مفاهیم رزولوشن زمان و فرکانس، ارتباط آنها
– مروری بر مفاهیم مکان یابی منابع source localization و روشهای آن
– توضیح روش مکان یابی منابع در eeglab
– بیان مشکلات و محدودیتها مکان یابی در حالت کلی و رفع انها در eeglab
– مقدمه ای بر ارتباطات مغزی: ساختاری، عملکردی و موثر
Brain connectivity: structural, functional and effective
– بیان مفاهیم نحوه چرخش اطلاعات و ارتباط بین نواحی مغز
– تعریف ارتباطات موثر با روش گرنجر Granger causality بر پایه مدل AR
– تعریف مدل ar و mvar و فرمول بندی آن
– بیان تعاریف خانواده PDC وDTF و ارتباطات مستقیم و غیر مستقیم بین سری های زمانی سیگنال مغزی
– بیان نکات محاسباتی در بکارگیری روابط ارتباطات مغزی
– کار با eeglab و پیاده سازی مفاهیم روز چهارم
– نمایش زمان- فرکانس در eeglab
– بکارگیری و نمایش مکانیابی منابع درeeglab با پلاگین dipfit
– بکارگیری پلاگین SIFT برای محاسبات ارتباطات مغزی و انواع نمایش آنها
– تعریف و طراحی study و کارهای آماری ساده

2.23K views11:43