|
|
بررسی ارتباطات مغزی موثر به روش تابع انتقال جهتدار برای ترکیبهای مختلف توجه و هوشیاری براساس سیگنال Eeg
|
|
|
|
|
نویسنده
|
رحیمی معصومه ,مرادی محمدحسن ,قاسمی فرناز
|
منبع
|
مهندسي پزشكي زيستي - 1395 - دوره : 10 - شماره : 1 - صفحه:59 -68
|
|
|
چکیده
|
هدف این مقاله، بررسی ارتباطات موثر مغزی براساس روش تابع انتقال جهت دار (dtf) است. این ارتباطات برای داده های ثبتشده، از ترکیب حالت های توجه و هوشیاری، که چهار دسته توجه هوشیاری، توجه عدم هوشیاری، عدم توجه هوشیاری و عدم توجه عدم هوشیاری را ایجاد کرده اند، بهدست آمدند. از روی ماتریس های بهدست آمده برای هر دسته، شاخص هایی مرسوم در حوزه dtf، معرفی و محاسبه شدند. سپس شاخص های این چهار دسته، برای بررسی وجود اختلاف معنادار از نظر ارتباطات موثر، با یکدیگر مقایسه شدند. برای بهدست آوردن روابط علّی خطی میان کانالها به روش dtf، از مدل خودکاهشی چندمتغیره استفاده شد. برای بررسی دقیق تر، سیگنال ها به چهار باند فرکانسی پایه تقسیم شده و با آزمون اندازه های تکراری دوطرفه، وجود اختلاف معنادار در دسته ها و باندها بررسی شد. براساس نتایج، از 12 شاخص بهدستآمده، دو شاخص و به تنهایی قادر به نمایش تمایز میان 5 حالت از 6 حالت ممکن از ترکیبات دوتایی دسته ها هستند. تنها حالتی که هیچ کدام از شاخص ها، تفاوت معناداری برای آن نشان ندادند، حالت عدم توجه هوشیاری و عدم توجه عدم هوشیاری بود.
|
کلیدواژه
|
ارتباطات موثر، تابع انتقال جهتدار، استخراج ویژگی، آزمون اندازههای تکراری
|
آدرس
|
دانشگاه صنعتی امیرکبیر, دانشکده مهندسی پزشکی, گروه بیوالکتریک, ایران, دانشگاه صنعتی امیرکبیر, دانشکده مهندسی پزشکی, گروه بیوالکتریک, ایران, دانشگاه صنعتی امیرکبیر, دانشکده مهندسی پزشکی, گروه بیوالکتریک, ایران
|
|
|
|
|
|
|
|
|
|
|
Brain Effective Connectivity Investigation With Directed Transform Function Method for Different Combination of Attention and Consciousness Based on EEG Signals
|
|
|
Authors
|
Ghassemi Farnaz ,Rahimi Masoumeh ,Moradi Mohammad Hasan
|
Abstract
|
The aim of this paper is to study brain effective connectivity based on directed transform function (DTF) using granger causality method. This connectivity was calculated for recorded data in different states of attention and consciousness, forming four different classes: attentionconsciousness, attentionunconsciousness, inattentionconsciousness, and inattentionunconsciousness. Some common indices were extracted and calculated from the connectivity matrices. Indices of these four classes were compared to see whether there is a significant difference among them or not. The Multivariate Autoregressive (MVAR) model was used to obtain the linear causal relations between channels. Furthermore, signals were divided into four frequency bands for more accurate investigation, and the existence of significant difference was investigated with twoway repeated measures test. Results indicated that and among twelve indices could show a significant difference (p<0.05) in five states out of six possible states. The only state that no feature was able to show a meaningful difference was inattentionconsciousness, and inattentionunconsciousness.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|