منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

ترجمه مقاله سیستم ثبت و استخراج نشانگر زیستی EEG قابل انعطاف مبتنی بر الکترونیک لایه-نازک - نشریه IEEE

ترجمه مقاله سیستم ثبت و استخراج نشانگر زیستی EEG قابل انعطاف مبتنی بر الکترونیک لایه-نازک - نشریه IEEE
قیمت خرید این محصول
۲۴,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
سیستم ثبت و استخراج نشانگر زیستی EEG قابل انعطاف مبتنی بر الکترونیک لایه-نازک
عنوان انگلیسی
A Flexible EEG Acquisition and Biomarker Extraction System Based on Thin-Film Electronics
صفحات مقاله فارسی
9
صفحات مقاله انگلیسی
3
سال انتشار
2016
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع ارائه مقاله
کنفرانس
شناسه ISSN مجله
2376-8606
کد محصول
10241
وضعیت ترجمه عناوین تصاویر
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
درج نشده است ☓
ضمیمه
ندارد
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مهندسی برق و پزشکی، بیوالکتریک، مدارهای مجتمع الکترونیک، مهندسی کنترل، ابزار دقیق
کنفرانس
کنفرانس بین المللی مدارهای حالت جامد - International Solid-State Circuits Conference
دانشگاه
دانشگاه پرینستون ، ایالات متحده آمریکا
doi یا شناسه دیجیتال
https://doi.org/10.1109/ISSCC.2016.7418023
۰.۰ (بدون امتیاز)
امتیاز دهید
نمونه چکیده متن اصلی انگلیسی
EEG is an important modality for many medical purposes. However, the lowamplitude of signals (10-to-100μV) and large number of channels (~20) raise numerous challenges, including electrode setup (correct placement, skin preparation, sanitation), patient comfort (number of channels, skin abrasion), and robust acquisition (electrode/wire motion artifacts, wire stray coupling). The recent emergence of low-cost, single-use, flexible, pre-gelled electrode arrays, as in Fig. 16.4.1, delivers significant advantages [1]. Today, these are passive, requiring connection to external readout electronics via a many-channel cable. We present the system in Fig. 16.4.1, having similar flexible form factor, but with the following enhancements: (1) embedded low-noise chopper-stabilized amplifiers using amorphous-silicon (a-Si) thin-film transistors (TFTs) compatible with flexible substrates (i.e. low-temperature-processed, <180°C); (2) compressive-sensing acquisition and multiplexing of >20 EEG channels onto a single interface using TFT scanning circuits, to substantially ease connection with an embedded IC; and (3) an algorithm whereby spectral-energy features, a generic EEG biomarker, are derived directly from the compressed signals (by a conventional CMOS IC). Seizure detection from the extracted features is demonstrated via analog replay of patient EEG through the system.
نمونه چکیده ترجمه متن فارسی
الکتروانسفالوگرافی ، روشی مهم برای بسیاری از اهداف پزشکی است. اما با این حال، دامنه کم سیگنال (10 تا 100میکروولت) و تعداد زیاد کانال‌ها (تقریبا 20 کانال) باعث ایجاد چالش‌های متعددی از جمله تنظیم الکترودها (قرارگیری الکترودها در مکان درست، آماده‌سازی پوست، بهسازی سیستم)، راحتی بیمار (تعداد کانال‌ها، سایش پوست)، و ثبت درست و سالم (آرتیفکت‌های حرکتی الکترود/سیم، کوپلینگ انحرافی سیم‌‌ها) می‌شود. تولید آرایه‌های الکترودی ارزان قیمت، تک کاربره، انعطاف پذیر و دارای ژل، مانند آنچه در شکل 16-4-1مشاهده می‌شود، مزایای قابل توجهی به همراه دارد. امروزه، این الکترودها به صورت غیرفعال هستند که نیاز دارند تا از طریق یک کابل چند کاناله، به دستگاه‌های الکترونیکی قابل خواندن خارجی متصل شوند. ما سیستم مشخص شده در شکل 16-4-1 را ارائه داده‌ایم، که فرم انعطاف پذیر مشابهی دارد، اما به صورت زیر بهبود یافته است:
(1) افزودن تقویت‌کننده‌های تثبیت کننده کم نویز با استفاده از ترانزیستورهای فیلم نازک سیلیکون بی‌شکل که سازگار با بدنه انعطاف پذیر است (به عنوان مثال ترانزیستورهای ساخته شده در دمای کمتر از 180 درجه سانتیگراد)
(2) سیستم جمع آوری و فشرده سازی داده و ادغام بیش از 20 کانال EEG در یک کانال واحد با استفاده از مدارهای اسکن TFT، که به طور قابل توجهی ارتباط میان سیستم و تراشه جای‌گذاری شده را کاهش می‌دهد.
(3) ارائه الگوریتمی که در آن ویژگی‌های انرژی طیفی -که نشان‌گر زیستی رایج EEG هستند- را مستقیما از سیگنال های فشرده شده (توسط یک تراشه CMOS معمولی) به دست می‌آورد.
تشخیص حمله براساس ویژگی‌های استخراج شده از طریق بازپخش آنالوگ سیگنال EEG بیمار از سیستم نشان داده شده است.

بدون دیدگاه