ترجمه مقاله نگاشت الکترومغناطیسی مغز - نشریه IEEE

قیمت خرید این محصول

۱۶۴,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

نگاشت الکترومغناطیسی مغز

عنوان انگلیسی

Electromagnetic brain mapping

صفحات مقاله فارسی

47

صفحات مقاله انگلیسی

17

سال انتشار

2001

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

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

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

7.097 در سال 2019

شاخص H_index مجله

155 در سال 2020

شاخص SJR مجله

1.364 در سال 2019

شناسه ISSN مجله

1053-5888

شاخص Q یا Quartile (چارک)

Q1 در سال 2019

کد محصول

10296

وضعیت ترجمه عناوین تصاویر

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

درج نشده است ☓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده 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 پزشکی و پزشکی، پردازش تصاویر پزشکی، مغز و اعصاب

مجله

مجله پردازش سیگنال - Signal Processing Magazine

doi یا شناسه دیجیتال

https://doi.org/10.1109/79.962275

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

مقدمه
منابع سیگنال های الکتروفیزیولوژیک EEG و MEG
اندازه گیری سیگنال های EEG و MEG
الکتروانسفالوگرافی
مگنتوانسفالوگرافی
فیزیک MEG و EEG : منابع و مدل های مورد استفاده برای سر
تخمین های نیمه استاتیک از معادله های ماکسول
مدل منبع : دو قطبی ها و چند قطبی ها
مدل های سر
مدل کروی سر
مدل های واقعی سر
فرمول بندی های جبری
فعالیت های الکتریکی در مغز : مسئله ی معکوس
مدل سازی های پارامتری
تخمین منبع با کمترین مربعات
روش های شکل دهی پرتو
از روش های کلاسیک به روش های RAP-MUSIC
روش های تصویر برداری
مدل های منابع توزیع شده به صورت قشری
فرمولاسیون بیزی مسئله ی معکوس
روش های تصویر برداری خطی
احتمال های مقدم غیر گاوسی
محدودیت های روش های تصویر برداری و جایگزین های ترکیبی
موضوعات نوظهور در زمینه ی پردازش سیگنال
ترکیب fMRI و MEG/EEG
رفع نویز از سیگنال و تفکیک منابع بی نام
جمع بندی و دیدگاه های آتی

نمونه چکیده متن اصلی انگلیسی

The past 15 years have seen tremendous advances in our ability to produce images of human brain function. Applications of functional brain imaging extend from improving our understanding of the basic mechanisms of cognitive processes to better characterization of pathologies that impair normal function. Magnetoencephalography (MEG) and electroencephalography (EEG) (MEG/EEG) localize neural electrical activity using noninvasive measurements of external electromagnetic signals. Among the available functional imaging techniques, MEG and EEG uniquely have temporal resolutions below 100 ms. This temporal precision allows us to explore the timing of basic neural processes at the level of cell assemblies. MEG/EEG source localization draws on a wide range of signal processing techniques including digital filtering, three-dimensional image analysis, array signal processing, image modeling and reconstruction, and, more recently, blind source separation and phase synchrony estimation. In this article we describe the underlying models currently used in MEG/EEG source estimation and describe the various signal processing steps required to compute these sources. In particular we describe methods for computing the forward fields for known source distributions and parametric and imaging-based approaches to the inverse problem.

نمونه چکیده ترجمه متن فارسی

در 15 سال اخیر ما شاهد پیشرفت های بسیار گسترده در توانایی خودمان برای تولید کردن تصاویر از عملکرد مغزی انسان بوده ایم. کاربرد های تصویر برداری های عملکردی از مغز موجب میشود که درک ما از مکانیزم های مبنایی در روند های شناختی بهتر شده و همچنین بتوانیم آسیب شناسی هایی که موجب نقص عملکرد عادی مغز میشود را هم شناسایی کنیم. مگنتو انسفالوگرافی (MEG) و الکتروانسفالوگرافی (EEG) ، فعالیت های الکتریکی عصبی را با استفاده از اندازه گیری سیگنال های الکتریکی مغز با استفاده از الکترود های خارجی غیر تهاجمی، شناسایی میکنند. در میان تکنیک های تصویر برداری عملکردی موجود، MEG و EEG به صورت خاص، تفکیک های زمانی کمتر از 100 ms دارند. این دقت زمانی بالا به ما این امکان را میدهد تا زمان بندی روند های عصبی اصلی را در سطح ساز و کار سلولی، شناسایی کنیم. شناسایی منابع MEG/EEG گستره ی عظیمی از پردازش های سیگنال را طلب میکند، از جمله فیلتر کردن سیگنال های دیجیتال، پردازش سیگنال، تحلیل تصاویر سه بعدی، پردازش آرایه سیگنال، مدل سازی تصاویر و بازسازی آن ها، و اخیرا، تفکیک منابع به صورت تفکیک منابع بی نام و تخمین های همسان سازی فاز . در این مقاله ما مدل های زیر لایه ای که در حال حاضر در تخمین منابع MEG/EEG مورد استفاده قرار میگیرد را بررسی کرده و گام های پردازش سیگنال مختلف مورد نیاز برای محاسبه ی این منابع را توصیف میکنیم. به صورت خاص، ما روش های مناسب برای محاسبه کردن میدان های مستقیم برای توزیع منابع شناخته شده و پارامتری و روش های مبتنی بر تصویر برداری برای مسائل معکوس را توصیف میکنیم.