دپارتمان پژوهشی سفیر
17%

دانلود پروپوزال بهینه ‌سازی تشخیص صرع مبتنی بر انرژی سیگنال EEG با استفاده از الگوریتم های فراابتکاری

35,000 تومان 29,000 تومان

تعداد صفحاتسال نگارشرشته قالب
۲۴۲۰۲۰پزشکی،   کامپیوتر Word

با مطالعه نمونه مشابه موضوع خود میتوانید به راحتی پروپوزال تز دکتری یا ارشد خود را بنویسید. همه ی محصولات قرار داده شده طبق استانداردهای وزارت علوم بوده و همگی مورد تایید دانشگاه ها واقع شده است.

Description

دانلود پروپوزال بهینه ‌سازی تشخیص صرع مبتنی بر انرژی سیگنال EEG با استفاده از الگوریتم های فراابتکاریReviewed by Safir on Aug 14Rating:

دانلود پروپوزال بهینه ‌سازی تشخیص صرع مبتنی بر انرژی سیگنال EEG با استفاده از الگوریتم های فراابتکاری

عنوان فارسی پروپوزال بهینه ‌سازی تشخیص صرع مبتنی بر انرژی سیگنال EEG با استفاده از الگوریتم های فراابتکاری
عنوان انگلیسی پروپوزال Provide a model for classifying epileptic seizures using statistical features of EEG signal
تعداد صفحات ۲۴
سال نگارش ۲۰۲۰
مقاله بیس https://www.sciencedirect.com/science/article/abs/pii/S0950705120304603
رشتهپزشکی و   کامپیوتر 
قالب فایلWord

  فهرست مطالب پروپوزال بهینه ‌سازی تشخیص صرع مبتنی بر انرژی سیگنال EEG با استفاده از الگوریتم های فراابتکاری

  1. بیان مساله اساسی تحقیق تشخیص فعالیت در خانه هوشمند   
  2. اهمیت و ضرورت انجام تحقیق
  3. مرور ادبیات و سوابق مربوطه
  4. جنبه جدید بودن و نوآوری در تحقیق
  5. اهداف مشخص تحقیق
  6. فرضیه ‏های تحقیق
  7. روش شناسی تحقیق
  8. شرح کامل روش (میدانی، کتابخانه‏ای) و ابزار
  9. جامعه آماری، روش نمونه‏ گیری و حجم نمونه
  10. روش‌ها و ابزار تجزیه و تحلیل داده ‏ها
  11. مراجع

بیان مساله

 صرع یکی از شایع‌ترین بیماری‌های سیستم اعصاب است که تنها در ایالات متحده، ۲/۲ میلیون نفر به آن مبتلا هستند و باعث تشنج در فرد می‌شود که می‌تواند در زندگی افراد تاثیراتی از جمله مرگ داشته باشد. به همین علت، تحقیقات قابل‌توجهی در زمینه شناسایی صرع به محض وقوع آن، صورت می‌گیرد، به طوری که اثرات و عواقب آن را بتوان فورا کاهش داد.  فعالیت­های عصبی مغز انسان بین هفته­های هفده الی بیست و سوم در طی دوران جنینی شروع می­شود.

پروپوزال پزشکی

پروپوزال پزشکی

اعتقاد بر این است که از این مرحله اولیه و در سراسر زندگی یک فرد، سیگنال­های  تولید شده در مغز انسان نه تنها نشان­دهنده عملکرد مغز بلکه وضعیت کل بدن را نشان می­دهد. این فرض انگیزه اعمال روش­های پردازش سیگنال دیجیتال پیشرفته بر روی سیگنال­های الکتریکی ثبت شده از مغز یک انسان برای اندازه­گیری را می­دهد.[۱]  عملکرد طبیعی مغز تولیدکننده الکتریک و مغناطیس است. که هر دو نتیجه فعالیت الکتریکی جریان یون­ها در نورون­های عصبی مغز، در درجه اول در قشر مغز بوده که به محرک­های مختلف پاسخ می­دهد.

قشر مغز از تعداد ۹۱۰ الی ۱۰۱۰ نورون عصبی تشکیل شده که سیگنال الکتریکی تولیدشده از این سلول­ها در واقع یک عملکرد منحصر­به­فرد از مغز را نشان می­دهد. اندازه­گیری و دریافت سیگنال­ها با استفاده از الکترود­ها انجام می­شود. این روش به عنوان سیگنال­های الکتروآنسفالوگرام شناخته می­شود. منبع اصلی این سیگنال فعالیت همزمان هزاران نورون عصبی است. اندازه­گیری سیگنال­ها به صورت غیرتهاجمی و ساده است که به وسیله آن می­تواند بر فعالیت مغز نظارت کرد [۲]. سیگنال‌های موج نگاری مغزی (EEG) به‌عنوان ابزارهای متداول و کم‌هزینه برای شناسایی اسیب های مغزی مورد استفاده قرار می‌گیرد. مانیتورینگ دستی سیگنال‌های EEG برای شناسایی حملات مغزی یک روش زمان‌بر است حتی برای عصب شناسان با تجربه. بنابراین، روش‌های مکانیزه شناسایی حملات مبتنی بر تکنیک‌های پردازش سیگنال پیشرفته به میزان زیادی بار محاسباتی مربوط به مانیتورینگ سیگنال‌های بلند EEG را توسط متخصصین بالینی، کم می‌کند.

 برخی از مراجع

۱۰٫  Mursalin, Md, et al. “Epileptic seizure classification using statistical sampling and a novel feature selection algorithm.” arXiv preprint arXiv:1902.09962 (۲۰۱۹)..

Prasanna, J., et al. “Automatic Epileptic Seizure Classification using MODWT and SVM.” ۲۰۱۹ ۲nd International Conference on Signal Processing and Communication (ICSPC). IEEE, 2019.

 Choubey, Hemant, and Alpana Pandey. “Classification and detection of epilepsy using reduced set of extracted features.” ۲۰۱۸ ۵th International Conference on Signal Processing and Integrated Networks (SPIN). IEEE, 2018.

 Manjusha, M., and R. Harikumar. “Performance analysis of KNN classifier and K-means clustering for robust classification of epilepsy from EEG signals.” ۲۰۱۶ International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET). IEEE, 2016.

  Vijith, V. S., et al. “Epileptic seizure detection using non linear analysis of EEG.” ۲۰۱۶ International Conference on Inventive Computation Technologies (ICICT). Vol. 3. IEEE, 2016.

دانلود پروپوزال در مورد شبکه عصبی 

 دانلود پروپوزال در مورد تشخیص فعالیت  با استفاده از شبکه عصبی کانولوشن

 دانلود پروپوزال تشخیص فعالیت در خانه هوشمند

Reviews

There are no reviews yet.

Be the first to review “دانلود پروپوزال بهینه ‌سازی تشخیص صرع مبتنی بر انرژی سیگنال EEG با استفاده از الگوریتم های فراابتکاری”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *