NATIONAL BIBLIOGRAPHY NUMBER
Country Code
IR
Number
۴۴۷۶پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
فارسی
COUNTRY OF PUBLICATION OR PRODUCTlON
Country of publication
IR
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
تحلیل آثار محرومیت از خواب بر پایه‌ی معیارهای غیرخطی الکتروانسفالوگرافی
General Material Designation
[پایان‌نامه]
Parallel Title Proper
Analysis of sleep deprivation effects based on nonlinear EEG features
First Statement of Responsibility
/محمد فولادوند
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی پزشکی
Date of Publication, Distribution, etc.
، ۱۴۰۰
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۱۲ص.
Other Physical Details
:
GENERAL NOTES
Text of Note
زبان: فارسی
Text of Note
زبان چکیده: فارسی
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
NOTES PERTAINING TO PHYSICAL DESCRIPTION
Text of Note
مصور، جدول، نمودار
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی پزشکی- بیوالکتریک
Date of degree
۱۴۰۰/۰۷/۰۱
Body granting the degree
صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
خواب یکی از عوامل تأثیرگذار روی سلامت جسمی و روحی انسان است و در جامعه امروزی مسئله محرومیت از خواب یکی از مشکلات فراگیر محسوب می‌شود، بنابراین مطالعه اثرات محرومیت از خواب روی عملکرد بدن انسان از اهمیت ویژه‌ای برخوردار است .در این پژوهش به منظور شناخت بیشتر این پدیده و اثرات مخرب آن و همچنین تشخیص محرومیت از خواب در شخص با استفاده از سیگنال‌های مغزی (EEG) به بررسی سیگنال‌های مغزی ثبت شده در افراد در یک دوره‌ی پس از خواب کامل و یک دوره‌ی یک روزه محرومیت از خواب پرداخته شده است .سیگنال‌ها به صورت چشم باز و چشم بسته از ۳۰ نفر شرکت‌کننده در این پژوهش ثبت گردید و پس از حذف نویز و تبدیل به باندهای فرکانسی اختصاصی، ویژگی‌های خطی نظیر توان سیگنال، توان باندهای فرکانسی، انحراف معیار و ...و همچنین ویژگی‌های غیرخطی نظیر آنتروپی شنون، رنی، جای‌گشت و نمونه از سیگنال‌ها و باندهای فرکانسی استخراج شد .پس از استخراج ویژگی‌ها با استفاده از روش‌های متعددی نظیر نرمال‌سازی،PCA ، مقدار P و معیار امتیازدهی Z ویژگی‌های مناسب استخراج شده و ده فضای ویژگی منحصر به فرد در هر حالت شکل گرفت .از فضاهای ویژگی نام‌برده شده به منظور آموزش طبقه‌بندهایKNN ، SVM و درخت تصمیم استفاده شد .در نهایت بر اساس نتایج مشخص گردید که بهترین فضای ویژگی؛ فضای ویژگی نرمال‌سازی شده و بهترین طبقه‌بند برای تشخیص محرومیت از خواب در این پژوهش طبقه‌بند درخت تصمیم با صحت ۹۹/۲ درصد می‌باشد .به منظور بررسی اثرات سوء محرومیت از خواب و تشخیص میزان فعالیت مغز قبل و بعد از محرومیت از خواب از نگاشت سه بعدی نقشه مغز به کمک الگوریتم sLORETA استفاده شد .پس از ترسیم نمودار پراکندگی میزان فعالیت‌های الکتریکی مغز روی مدل سه بعدی مغز، تغییرات این نقشه‌ها به تفصیل مورد تحلیل قرار گرفت .نتایج این بررسی بیان‌گر تغییراتی مشهود در فعالیت‌های نواحی ویژه‌ای در مغز است که نشان از اختلال در فرآیند یادگیری، میزان توجه و درک شهودی، ناشی از محرومیت از خواب می‌باشد.
Text of Note
Sleep is one of the factors affecting human physical and mental health. In today's society, the issue of sleep deprivation is one of the pervasive problems. The study of the effects of sleep deprivation on human body function is of particular importance. This study aims to understand sleep deprivation and its destructive effects better and diagnose sleep deprivation in a person using brain signals (EEG). The brain signals recorded in individuals after complete sleep and one day of sleep deprivation were investigated. After removing the noise of brain EEG signals and converting it to some specific frequency bands, we extract linear features such as signal strength, frequency band power, standard deviation, etc. Also, nonlinear features such as Shannon, Renny, permutation and sample entropy were extracted from signals and frequency bands. Here the signals were recorded as open-eyed and closed-eyed from 30 participants. After extracting the features, using methods such as normalization, PCA, P-value and Z-score criteria, ten unique feature spaces in each of open-eyed and close-eyed signals were formed. The mentioned feature spaces were used to train the KNN, SVM and decision tree classifiers. Finally, based on the obtained results, the best feature space in this study is the normalized feature space and the best classifier to diagnose sleep deprivation is the decision tree classifier with 99.2 accuracy. Also, to investigate the adverse effects of sleep deprivation and detect the amount of brain activity before and after sleep deprivation, a three-dimensional mapping of the brain map using the sLORETA algorithm was used. After the scatter plotting of the brain's electrical activity on a three-dimensional model of the brain, differences in these maps were analyzed in detail. This study shows that sleep deprivation causes changes in the activities of specific areas in the brain that indicate impaired learning, attention, and intuitive perception.
ba
PARALLEL TITLE PROPER
Parallel Title
Analysis of sleep deprivation effects based on nonlinear EEG features
TOPICAL NAME USED AS SUBJECT
محرومیت از خواب
EEG
عملکرد مغز
طبقه‌بندی
علوم‌شناختی
sLORETA
UNCONTROLLED SUBJECT TERMS
Subject Term
sleep deprivation, EEG, brain function, classification, cognitive science, sLORETA
Subject Term
محرومیت از خواب،EEG ، عملکرد مغز، طبقه‌بندی، علوم‌شناختی،sLORETA
PERSONAL NAME - PRIMARY RESPONSIBILITY
فولادوند، محمد
PERSONAL NAME - SECONDARY RESPONSIBILITY
شامخی، سینا، استاد راهنما
احمد علی‌پور، علی، استاد راهنما
ORIGINATING SOURCE
Country
ایران
Date of Transaction
20230617
LOCATION AND CALL NUMBER
Call Number
پزشکی.م ،۱۰۰۶۰ ،۱۴۰۰
ELECTRONIC LOCATION AND ACCESS
Host name
ی‌فارگولافسناورتکلا ی‌طخریغ ی‌اهرایعم ی‌ه‌یاپ رب ب‌اوخ زا ت‌یمورحم راثآ ل‌یلحت.pdf
Access number
عادی
Compression information
عادی
Date and Hour of Consultation and Access
f1.pdf
Date and Hour of Consultation and Access
pm10060.pdf
Bits per second
0
Contact for access assistance
ایمانی
Electronic Format Type
متن
File size
0
Record control number
پ۴۴۷۶
Public note
فارسی
نمایه‌سازی قبلی
pe
TF
92029
1
a
Y
