ترجمه مقاله بررسی علائم بی خوابی، افسردگی و اضطراب بر هم و تاثیر آن بر عملکرد فردی – نشریه الزویر
مبلغ : 83800 تومان
سال انتشار : 2023
ترجمه مقاله کاربرد مدل سنجش کیفیت سیگنال در سنسور EEG پوشیدنی برای پیش بینی استرس روانی – نشریه IEEE
قیمت خرید این کالا
33,800 تومان
| عنوان فارسی: | کاربرد مدل سنجش کیفیت سیگنال در سنسور EEG پوشیدنی برای پیش بینی استرس روانی |
| عنوان انگلیسی: | Signal Quality Assessment Model for Wearable EEG Sensor on Prediction of Mental Stress |
| تعداد صفحات مقاله انگلیسی : 9 | تعداد صفحات ترجمه فارسی : 20 |
| سال انتشار : 2015 | نشریه : آی تریپل ای - IEEE |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
| کد محصول : 6432 | رفرنس : دارد |
| محتوای فایل : zip | حجم فایل : 2.63Mb |
| رشته های مرتبط با این مقاله: مهندسی پزشکی و پزشکی |
| گرایش های مرتبط با این مقاله: بیوالکتریک و مغز و اعصاب |
| مجله: نتایج و یافته های بدست آمده در حوزه علوم نانوزیستی |
| دانشگاه: دانشکده علوم و مهندسی اطلاعات، دانشگاه لان جو، چین |
| کلمات کلیدی: ANC، DWT، EEG، استخراج ویژگیها، استرس روانی، آرتیفکت های چشمی، سنجش کیفیت سیگنال |
| وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
| وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است |
| وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
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.
فهرست مطالب
چکیده
1. مقدمه
2. مراقبت سلامتی روانی الکترونیکی
3. طراحی سنسورهای EEG پوشیدنی
4. روش سنجش کیفیت سیگنال EEG
A. راه اندازی آزمایش
B. روشهای سنجش کیفیت سیگنال EEG
C. نمرات کیفیت EEG در OPTIMI
5. حذف آرتیفکت های چشمی در ترکیب با تبدیل موجک گسسته و حذف نویز تطبیقی یا وفقی
6. استخراج ویژگیها
7. نتیجه گیری و کار آتی
نمونه متن انگلیسی
Abstract
Electroencephalogram (EEG) plays an important role in E-healthcare systems, especially in the mental healthcare area, where constant and unobtrusive monitoring is desirable. In the context of OPTIMI project, a novel, low cost, and light weight wearable EEG sensor has been designed and produced. In order to improve the performance and reliability of EEG sensors in real-life settings, we propose a method to evaluate the quality of EEG signals, based on which users can easily adjust the connection between electrodes and their skin. Our method helps to filter invalid EEG data from personal trials in both domestic and office settings. We then apply an algorithm based on Discrete Wavelet Transformation (DWT) and Adaptive Noise Cancellation (ANC) which has been designed to remove ocular artifacts (OA) from the EEG signal. DWT is applied to obtain a reconstructed OA signal as a reference while ANC, based on recursive least squares, is used to remove the OA from the original EEG data. The newly produced sensors were tested and deployed within the OPTIMI framework for chronic stress detection. EEG nonlinear dynamics features and frontal asymmetry of theta, alpha, and beta bands have been selected as biological indicators for chronic stress, showing relative greater right anterior EEG data activity in stressful individuals. Evaluation results demonstrate that our EEG sensor and data processing algorithms have successfully addressed the requirements and challenges of a portable system for patient monitoring, as envisioned by the EU OPTIMI project.
نمونه متن ترجمه
چکیده
الکتروانسفالوگرام (EEG) در سیستم های مراقبت سلامتی الکترونیکی، به ویژه در حوزه مراقبت سلامتی روانی نقش مهمی ایفا می کند، جایی که مانیتورینگ و نظارت ثابت و غیر مزاحم مطلوب می باشد. در زمینه پروژه OPTIMI، یک سنسوریا حسگر EEG پوشیدنی کم وزن و کم هزینه جدید طراحی و تولید شده است.
برای بهبود عملکرد و قابلیت اطمینان سنسورهای EEG در محیط های زندگی واقعی، روشی برای ارزیابی کیفیت سیگنال های EEG پیشنهاد می کنیم که براساس آن کاربران به راحتی می توانند اتصال بین الکترودها و پوستشان را تنظیم کنند. روش پیشنهادی به فیلتر نمودن داده های EEG بی اعتبار از آزمایشات شخصی در محیط های داخلی و دفتری کمک می کند. سپس از یک الگوریتم مبتنی بر تبدیل موجک (DWT) و کنسل سازی یا حذف نویز تطبیقی (وفقی) (ANC) استفاده می کنیم که برای حذف آرتیفکت های چشمی (OA) از سیگنال EEG طراحی شده است. از DWT برای دستیابی به سیگنال بازسازی شده OA به عنوان مرجع استفاده می شود، در حالیکه از ANC مبتنی بر حداقل مربعات بازگشتی برای حذف OA از داده های EEG اصلی استفاده می شود. سنسورهای جدیداً تولید شده تست و در چارچوب OPTIMI برای تشخیص استرس مزمن مستقر شدند. ویژگیهای پویای غیر خطی EEG و عدم تقارن فرانتال باندهای تتا، آلفا وبتا به عنوان شاخص های بیولوژیکی استرس مزمئن انتخاب شده و در اوایل پر از استرس، فعالیت داده های EEG قدامی راست نسبتاً بیشتری نشان می دهد. نتایج ارزیابی نشان می دهد که سنسور EEG و الگوریتم های پردازش داده ها، نیازها و چالش های سیستم قابل حمل برای مانیتورینگ بیمار را با موفقیت خطاب قرار داده اند و پروژه EU OPTIMI گواه این مسئله می باشد.
