EEG workshop

ششمین کارگاه 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

کارگاه کد نویسی در Matlab برای پردازش سیگنال

مباحث ششمین کارگاه مبانی پردازش سیگنالهای حیاتی با متلب با کاربرد در علوم اعصاب محاسباتی مباحث مقدماتی درباره سیگنال های گسسته شامل تعریف سیگنال، انواع سیگنال ها، نمونه برداری، تعیین فرکانس نمونه برداری، کمی سازی یا کوانتیزاسیون، آنالوگ کردن خروجی و ... معرفی متلب صفحه و محیط کاربری متلب ماتریس و کار با آن معرفی و کار با استراکچر، سلول و دیگر متغیرهای متلب عملیات های ریاضی و فرمتها مبانی گرافیک و نمایش نمایش اولیه داده ها خواندن سيگنال ها و نمایش وارد کردن داده ها به محیط متلب تغییر و کار با داده ها ورود داده های ECG و EEG نمایش های دو بعدی و سه بعدی در متلب کنترل جریان برنامه دستور If دستور switch دستور while دستور For تابع نویسی مثال ها استخراج و نمایش پتانسیل های وابسته به رخداد ERP هیستوگرام،پیدا کردن ماکزیممهای نسبی و ... و کاربردهای انها در سیگنالهای حیاتی، پیدا کردن QRS در سیگنال ECG و محاسبهHRV اسکریپت نویسی و چند مثال تبدیل فوریه و نمایش فرکانسی استخراج باندهای فرکانسی از سیگنالهای EEG فیلترها طراحی فیلترهای FIR,IIR با دستورات متلب تبدیل فوریه زمان کوتاه STFT و wavelet استخراج و نمایش ویژگیهای زمان-فرکانس از سیگنالهای مغزی مبانی ریاضی تحلیل مولفه اساسی (PCA) کاربردها مثال تبدیل و تحلیل در PCA روی داده های fisheriris و spikes sorting(دراوردن چند نوع اسپایک از داده ثبت LFP) کاهش بعد ویژگی ها باPCA تحلیل تمایز اماری ttest paired and unpaired و annova و kstest Kolmogorov–Smirnov test طبقه بندی با (binary)knn , LDA, QDA,SVM confusion matrix TP,TN,FP,FN تعاریف ROC و کاربرد در انتخاب ویژگی Cross validation: k_fold, hold out, permuted cv, loo, ... قسمتهای عملی و مثالها بصورت m فایل در اختیار شرکت کنندگان قرار میگیرد تا متناسب با کارهای خودشان بتوانند انها را تغییر دهند @eegworkshop

برنامه بیست و سومین کارگاه ثبت پردازش و تحلیل سیگنالهای EEG 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   سرفصل ها: - 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    سرفصل ها: - 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   سرفصل ها: - 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   سرفصل ها: - 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

تصاویر سیگنال در حمله صرعی و انواع شکل موجهای حاصل

تصاویر سیگنال نرمال و نویزهای آن از کتاب فوق

Yazdan’s team studies functional connectivity, which is the level of communication, or coordinated activity, between brain areas. The team’s neural interface uniquely allows them to simultaneously record and stimulate brain activity and is able to capture neural activity and functional connectivity over a large-scale brain network. They then model the functional connectivity changes using graph theory and machine learning. Graph theory allows the team to model the brain as an interconnected network, rather than a large, independent set of paired connections.

Photo from Ali

دیکد کردن سیگنالهای EEG حاصل از دیدن اجسام از روی سیگنال مغزی طبقه بندی تصویر اجسام دیده شده