اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
EEG workshop
رفتن به کانال در Telegram
کانال کارگاه های پردازش سیگنال های مغزی لینک عضویت کانال: https://t.me/joinchat/AAAAAD7DKCCSYN9in_TFWQ ارتباط با مدیر سایت: @eegworkshop0 ارتباط با ما: @EEGWorkshops ارتباط با دکتر نصرآبادی @ali_m_n2015
نمایش بیشتر4 255
مشترکین
-124 ساعت
-67 روز
-830 روز
آرشیو پست ها
4 256
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
4 256
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 Descriptions 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 Description 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
4 256
📚هفته اول
#book
Quantitative EEG Analysis Methods
and Clinical Applications
#هفته_راباکتاب_آغاز_کنیم
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://t.me/joinchat/AAAAAD7DKCCSYN9in_TFWQ
4 256
💡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 ...
4 256
🔰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://t.me/joinchat/AAAAAD7DKCCSYN9in_TFWQ
ارتباط با ما: @EEGWorkshops
https://t.me/EEGworkshop
4 256
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
4 256
🔰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
4 256
🔹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
4 256
+2🔹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
4 256
🔹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
