تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

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

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
تعداد صفحات مقاله انگلیسی : 3 تعداد صفحات ترجمه فارسی : 9
سال انتشار : 2016 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
محتوای فایل : zip حجم فایل : 11.15Mb
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
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: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1109/ISSCC.2016.7418023
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
نمونه متن 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 متن ترجمه

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.