آموزش پردازش سیگنال‌های EEG و کار با جعبه‌ابزار EEGLAB

ثبت و تحلیل سیگنال‌های الکتریکی مغز (EEG) به‌عنوان ابزاری جهت شناخت عملکرد مغز در حین انجام تکالیف عصب - شناختی، تشخیص و درمان بسیاری از بیماری‌ها و اختلالات عصبی، بازاریابی عصبی جهت طراحی جذاب‌تر صفحات ... ادامه

4.1 (7 رای)
249 دانشجو
مقدماتی
مکتب‌خونه
مکتب‌خونه
محتوای دوره
پیش‌نیاز‌ها
درباره دوره
نظرات کاربران
درباره استاد

آنچه در این دوره می‌آموزید

آشنایی با مفاهیم و اصطلاحات مهم در حوزه پردازش سیگنال‌های EEG

تشخیص وجود نویز و آرتیفکت در سیگنال‌های EEG

حذف نویزها و آرتیفکت‌ها از سیگنال

آماده‌سازی سیگنال‌ها بر اساس فرضیات و سؤالات مطالعه

پردازش‌های زمانی و فرکانسی سیگنال‌ها

آنالیز پتانسیل‌های وابسته به رویداد (ERP) در حوزه زمان و فرکانس

محتوای دوره

7 فصل 65 جلسه 20 ساعت ویدیو
تشریح مفاهیم پایه و اصطلاحات
شروع کار با داده‌ها و آماده‌سازی سیگنال‌های EEG
پیش‌پردازش و حذف نویزها و آرتیفکت‌ها
پردازش سیگنال EEG پیوسته
مرور مراحل بر روی سیگنال مربوط به بررسی توجه ماندگار در رانندگی
آنالیز پتانسیل های وابسته به رویداد (ERP)
ایجاد یک مطالعه در EEGLAB و آنالیز گروهی سیگنال‌ها

پیش‌نیاز‌ها

برای استفاده از محتویات این دوره نیاز است که نرم افزار MATLAB را بر روی سیستم خود نصب کنید (نصب نسخه 2018 و یا نسخه های جدیدتر MATLAB توصیه می شود) و همچنین آشنایی با محیط MATLAB توصیه می شود ولی ضروری نیست.

درباره دوره

ثبت و تحلیل سیگنال‌های الکتریکی مغز (EEG) به‌عنوان ابزاری جهت شناخت عملکرد مغز در حین انجام تکالیف عصب - شناختی، تشخیص و درمان بسیاری از بیماری‌ها و اختلالات عصبی، بازاریابی عصبی جهت طراحی جذاب‌تر صفحات تبلیغاتی و بسته‌بندی، معماری و طراحی شهری و دکوراسیون جهت تحریک سیستم احساسات در مغز به نحو مطلوب و یا طراحی بازی‌های تفریحی و درمانی استفاده می‌شود.

 تاکنون نرم‌افزارهای متعددی برای تحلیل این سیگنال ارائه شده است. یکی از آنها جعبه‌ابزار EEGLAB است که با اضافه‌شدن به محیط نرم‌افزار MATLAB امکان اجرای بسیاری از پردازش‌های مطرح در تحلیل سیگنال‌های EEG را فراهم می‌آورد. این جعبه‌ابزار متن‌باز بوده و میزان آمار ارجاع به این جعبه‌ابزار نشان می‌دهد که هر ساله تحقیقات قابل‌توجهی به کمک این جعبه‌ابزار به انجام می‌رسد.

نتایج گزارش شده در سایت مرکز علوم اعصاب سوارتز نشان می‌دهد که این جعبه‌ابزار نسبت به جعبه‌ابزارهای مشابهی که برای پردازش سیگنال‌های EEG در محیط‌های دیگر از جمله پایتون طراحی شده‌اند، از محبوبیت و استقبال بیشتری برخوردار بوده است.

این جعبه‌ابزار دارای یک واسط گرافیکی با کاربری ساده است که به محققین در حوزه‌های غیرمهندسی بدون نیاز به داشتن دانش و تجربه در خصوص الگوریتم‌های پردازش سیگنال و همچنین افرادی که به‌تازگی تحلیل سیگنال EEG را شروع کرده‌اند، این امکان را می‌دهد که بدون نیاز به کدنویسی و انجام عملیات پیچیده، سیگنال‌های خود را پردازش و تحلیل کنند.

در این کارگاه ابتدا با بیانی ساده مفاهیم نظری و اصطلاحات مطرح در حوزه پردازش سیگنال‌های EEG تشریح می‌گردد و سپس به طور عملی سیگنال‌های EEG ثبت شده در شرایط مختلف به کمک این جعبه‌ابزار مورد پردازش قرار می‌گیرند. می‌شود.

 این دوره برای چه کسانی مفید خواهد بود؟

 این دوره برای افرادی که پیش‌زمینه لازم در خصوص الگوریتم‌های پردازش سیگنال و برنامه‌نویسی را نداشته؛ ولی علاقه‌مند به تعریف پروژه‌هایی در حوزه علوم اعصاب شناختی مبتنی بر ثبت و مطالعه سیگنال‌های الکتریکی مغز (EEG) هستند، مفید خواهد بود. ولی برای محققینی که با الگوریتم‌های محاسباتی پردازش سیگنال (DSP یا BSP) آشنا هستند، شرکت در دوره‌های پیشرفته پردازش سیگنال EEG توصیه می‌شود.

پردازش سیگنال در متلب چیست؟

پردازش سیگنال یکی از حوزه‌های مهم در علوم مهندسی برق و علوم کامپیوتر است که به تحلیل و پردازش انواع مختلف سیگنال‌ها می‌پردازد. سیگنال‌ها می‌توانند به‌صورت آنالوگ یا دیجیتال باشند و از منابع مختلفی مانند صوت، تصویر، سیگنال‌های بیومدیکال، سیگنال‌های رادار و غیره تولید شوند. در متلب، یکی از نرم‌افزارهایی که به‌صورت گسترده برای پردازش سیگنال استفاده می‌شود، ابزارها و توابع متنوعی برای انجام عملیات مختلفی از جمله فیلترینگ، تحلیل فوریه، اعمال تبدیل‌های مختلف مانند تبدیل فوریه و تبدیل ویولت، تطبیق الگو، افزایش کیفیت سیگنال و غیره فراهم می‌کند. آموزش پردازش سیگنال در متلب، بخش مهمی از این گستره یادگیری است.

این ابزارها به مهندسین و پژوهشگران کمک می‌کنند تا سیگنال‌های خام را تحلیل کرده و اطلاعات مفیدی را از آن‌ها استخراج کنند که این امر می‌تواند در زمینه‌های مختلفی از جمله‌پردازش صوت و تصویر، ارتباطات بیسیم، پزشکی، روباتیک و سیستم‌های کنترلی مورداستفاده قرار گیرد. 

سیگنال‌های الکتریکی مغز و مفاهیم آن

سیگنال‌های الکتریکی مغز، الگوهای الکتریکی هستند که توسط سلول‌های عصبی در مغز تولید می‌شوند و به‌منظور انتقال اطلاعات و ارتباط بین سلول‌های عصبی به کار می‌روند. این سیگنال‌ها از طریق اتصالات الکتریکی میان نورون‌ها و سیناپس‌ها انتقال می‌یابند. فعالیت الکتریکی در سلول‌های عصبی از تغییرات ولتاژ در سطح سلولی ناشی می‌شود که به‌وسیلة پتانسیل عملی و پتانسیل شمارشی منتقل می‌شوند. 

این سیگنال‌ها برای ارسال اطلاعات به طول مسیرهای مختلف مغز، از جمله مناطق مختلف مغز و نخاع فراهم می‌شوند و در فرآیندهای مختلفی از جمله حس و حرکت، حافظه، اندیشه و احساسات نقش دارند. تجزیه‌وتحلیل این سیگنال‌ها و درک عملکرد مغز از اهمیت بسزایی برخوردار است، زیرا می‌تواند به درک بهتر از عملکرد مغز و بیماری‌های مرتبط با آن کمک کند و امکانات درمانی و پژوهشی را بهبود بخشد.

پردازش سیگنال به زبان ساده

پردازش سیگنال در متلب شامل مراحل مختلفی از تحلیل و پردازش سیگنال‌ها است. این مراحل شامل پیش‌پردازش، استخراج ویژگی، تحلیل و مدل‌سازی و نهایتاً تصمیم‌گیری است. در مرحله پیش‌پردازش، سیگنال‌ها از منابع خام به‌دست‌آمده (مانند سنسورها یا دستگاه‌های اندازه‌گیری)، پس از تصفیه، فیلترینگ و حذف نویز، آماده مراحل بعدی می‌شوند. سپس در مرحله استخراج ویژگی، ویژگی‌های مهم و مفید از سیگنال‌ها استخراج می‌شوند که به‌عنوان ورودی برای مراحل بعدی استفاده می‌شوند. 

در مرحله تحلیل و مدل‌سازی، با استفاده از تکنیک‌های مختلف مانند تحلیل فوریه، تبدیل موجک، یادگیری ماشین و شبکه‌های عصبی، سیگنال‌ها تحلیل و مدل‌سازی می‌شوند. در نهایت، در مرحله تصمیم‌گیری، بر اساس اطلاعات به‌دست‌آمده از مراحل قبلی، تصمیماتی مانند تشخیص الگو، کنترل یا تصمیم‌گیری‌های دیگر انجام می‌شود. 

معرفی جعبه‌ابزار EEGLAB

جعبه‌ابزار EEGLAB یک ابزار قدرتمند و رایگان برای پردازش سیگنال‌های الکتروانسفالوگرافی (EEG) در محیط نرم‌افزاری MATLAB است. این ابزار از طریق یک رابط گرافیکی کاربری (GUI) امکانات گسترده‌ای برای تجزیه‌وتحلیل سیگنال‌های EEG فراهم می‌کند. EEGLAB به کاربران امکان می‌دهد تا با استفاده از الگوریتم‌ها و توابع مختلف، پردازش‌های مختلفی مانند فیلترکردن، تحلیل موجک، تحلیل متقابل فرکانسی، تجزیه مؤلفه‌های مستقل (ICA) و غیره را بر روی داده‌های EEG انجام دهند. EEGLAB همچنین امکاناتی برای نمایش داده‌ها در قالب نمودارهای متنوع و تعاملی دارد که به کاربران کمک می‌کند تا نتایج پردازش‌های خود را به‌صورت واضح و قابل‌فهم ارائه دهند. 

این ابزار با استفاده از مفاهیم پیشرفته مانند پردازش موازی و استفاده از اسکریپت‌ها، امکان انجام پردازش‌های گسترده و سفارشی شده بر روی داده‌های EEG را فراهم می‌کند. به‌طورکلی، EEGLAB یک ابزار قدرتمند و کارآمد است که به تحقیقات در زمینه علوم مغز و عصبی، پزشکی، روانشناسی و سایر حوزه‌های مرتبط کمک می‌کند.

مفاهیم و مراحل یادگیری مراحل مفاهیم پردازش سیگنال در متلب
یادگیری پردازش سیگنال در متلب از اهمیت بسیاری برخوردار است، زیرا متلب یکی از قدرتمندترین و پرکاربردترین نرم‌افزارهای محاسباتی در دنیای علمی و مهندسی است و در زمینه‌های مختلفی از جمله، پردازش سیگنال نیز به کار می‌رود. 

پردازش سیگنال در زمینه‌های مختلفی از جمله علوم مهندسی، پزشکی، فیزیک، روانشناسی و غیره کاربرد دارد. ازاین‌رو، آشنایی با این مهارت می‌تواند به شما در تحقیقات و کارهای عملی در این حوزه‌ها کمک کند. باتوجه‌به این دلایل، یادگیری پردازش سیگنال در متلب به‌عنوان یک مهارت اساسی و حیاتی می‌تواند به رشد حرفه‌ای و شخصی فرد کمک بسیاری کند.

آشنایی با مفاهیم اولیه

در این مرحله، شما با مفاهیم اساسی پردازش سیگنال آشنا می‌شوید. این شامل درک مفاهیم مهمی مانند سیگنال‌های آنالوگ و دیجیتال، فرکانس، فرکانس نمونه‌برداری، و دیگر مفاهیم اساسی است. بدانید که سیگنال می‌تواند به‌صورت آنالوگ یا دیجیتال باشد، و فرکانس نمایانگر تعداد تکرارهای یک سیگنال در یک واحد زمان است. درک این مفاهیم اولیه اساسی است برای فهم بهتر فرآیند پردازش سیگنال در متلب.

آشنایی با محیط متلب

در این قسمت از مفاهیم، شما با محیط نرم‌افزاری متلب آشنا می‌شوید. این شامل مفهوم کلی از MATLAB، شروع نرم‌افزار MATLAB، واردکردن داده، اجرای دستورات، و دیگر عملیات اولیه است. در این مرحله، شما با ابزارها و قابلیت‌های متلب آشنا می‌شوید که در فرآیند پردازش سیگنال مورداستفاده قرار می‌گیرند.

استفاده از توابع و ابزار پردازش سیگنال در MATLAB

در سطح بعدی دوره آموزش پردازش سیگنال، شما با توابع مهمی که در پردازش سیگنال در MATLAB استفاده می‌شوند، آشنا می‌شوید. این شامل توابعی مانند fft (تبدیل فوریه سریع)، filter (فیلترکردن سیگنال)، conv (تبدیل و تحلیل تراکم) و دیگر توابع مورداستفاده در پردازش سیگنال است.

اعمال پردازش‌های مختلف بر روی سیگنال

به‌عنوان یکی دیگر از بخش‌های مهم و کلیدی آموزش، شما فرآیند اعمال پردازش‌های مختلف بر روی سیگنال‌ها را یاد می‌گیرید. این شامل آموزش و اعمال عملی فیلترهای مختلف مانند فیلترهای پایین‌گذر، بالاگذر، و پرتودهنده بر روی سیگنال‌ها می‌شود. همچنین این شامل اعمال تبدیل‌های مختلف مانند تبدیل (FFT) بر روی سیگنال‌ها است.

تجزیه‌وتحلیل نتایج

در این مرحله، شما با فرآیند تجزیه‌وتحلیل نتایج پردازش‌های انجام شده بر روی سیگنال‌ها آشنا می‌شوید. این شامل تحلیل نتایج به‌دست‌آمده از پردازش‌های مختلف است و نمایش نتایج در نمودارها و گزارش‌های مناسب.

پیشرفته‌تر شدن
ب

ه‌عنوان یکی از قسمت‌های مهم در آموزش پردازش سیگنال در متلب، شما با مفاهیم پیشرفته‌تر پردازش سیگنال آشنا می‌شوید. این شامل آشنایی با مفاهیمی مانند ویژگی‌های زمان - فرکانس، پردازش سیگنال‌های چندبعدی، پردازش سیگنال‌های تصویری و دیگر مفاهیم پیشرفته است.

تمرین و کار عملی

در این مرحله، شما با تمرین و عمل عملی بر روی مسائل و مثال‌های مختلف پردازش سیگنال با استفاده از MATLAB آشنا می‌شوید. این شامل اعمال تمرینات و مثال‌های عملی برای تثبیت مفاهیم فراگرفته شده و به‌دست‌آوردن مهارت عملی در این زمینه است. پردازش سیگنال با متلب، راهکاری برای مدیریت بهتر این موارد است.

مباحث پردازش سیگنال در متلب مناسب چه کسانی است؟

پروژه پردازش سیگنال در متلب و مباحث مختلف از جمله مهم‌ترین گستره کاربری و زمینه‌های فعالیت در این حوزه هستند. آموزش پردازش سیگنال در متلب مکتب خونه، راهنمای شما در جریان کلی این یادگیری خواهد بود.

این مراحل به طور گسترده در انواع پروژه‌ها از جمله‌پردازش سیگنال‌های صوتی و تصویری، تشخیص الگو، پزشکی تشخیصی و پردازش سیگنال‌های بیومدیکال مورداستفاده قرار می‌گیرند؛ مباحث پردازش سیگنال در متلب برای هر فرد یا گروهی که به تحلیل، پردازش، و تفسیر داده‌های سیگنالی علاقه‌مند است، مفید واقع می‌شود.

مهندسان برق و الکترونیک

مهندسان برق و الکترونیک از پردازش سیگنال در متلب برای طراحی و تحلیل سیستم‌های الکترونیکی استفاده می‌کنند. این شامل فیلترینگ سیگنال‌ها، تحلیل سیگنال‌های صوتی و تصویری، شبیه‌سازی دستگاه‌های مدیریت داده الکترونیکی و سایر کاربردهای مرتبط با علوم برق و الکترونیک می‌شود. از متلب برای مدل‌سازی و شبیه‌سازی سیستم‌های الکترونیکی، طراحی فیلترهای دیجیتال، و ارزیابی عملکرد ادوات الکترونیکی استفاده می‌شود.

پژوهشگران و دانشجویان علوم کامپیوتر و مخابرات

پژوهشگران و دانشجویان علوم کامپیوتر و مخابرات می‌توانند از متلب برای پیاده‌سازی الگوریتم‌های پیشرفته در حوزه‌های پردازش سیگنال، شبکه‌های عصبی، یادگیری ماشین و ارتباطات بیسیم استفاده کنند. این شامل طراحی و پیاده‌سازی الگوریتم‌های پردازش سیگنال مانند فیلترینگ، تحلیل فوریه، و استفاده از شبکه‌های عصبی برای تشخیص الگو و پیش‌بینی سیگنال‌ها می‌شود.

پژوهشگران در حوزه علوم پزشکی و پزشکی تشخیصی

پژوهشگران در حوزه علوم پزشکی و پزشکی تشخیصی از ابزارهای پردازش سیگنال در متلب برای تحلیل سیگنال‌های بیومدیکال مانند EEG و ECG استفاده می‌کنند. این ابزارها به آن‌ها کمک می‌کنند تا اطلاعات مفیدی از داده‌های سیگنالی به دست آورده و برای تشخیص بیماری‌ها و پیشگیری از آن‌ها استفاده کنند.

محققان صنعتی و توسعه‌دهندگان نرم‌افزار

محققان صنعتی و توسعه‌دهندگان نرم‌افزار از مباحث پردازش سیگنال در متلب برای توسعه و بهبود محصولات و سیستم‌های خود استفاده می‌کنند. این شامل کاربردهای مختلفی مانند پردازش سیگنال‌های صوتی و تصویری در صنایع صوتی و تصویری، تحلیل داده‌های سیگنالی در صنایع بیوتکنولوژی، و استفاده از سیگنال‌های ارتباطات بیسیم برای اینترنت اشیا (IoT) می‌شود.

دوره آموزش پردازش سیگنال‌های EEG مکتب خونه

پردازش سیگنال‌های EEG  یا همان Electroencephalography یکی از حوزه‌های مهم در علوم پزشکی و علوم مهندسی است که به تحلیل و تفسیر فعالیت‌های الکتریکی مغز انسان می‌پردازد. این فعالیت‌های الکتریکی در اثر فعالیت‌های نورون‌ها و سیناپس‌های مغزی ایجاد می‌شود و اطلاعات مهمی را درباره فرآیندهای شناختی، رفتاری و عملکرد مغز فراهم می‌کند. در آموزش پردازش سیگنال‌های متلب، ابتدا با اصول و مفاهیم اساسی مرتبط با EEG آشنا می‌شویم، از جمله نحوه ثبت سیگنال‌های EEG، الکترودها، و انواع موج‌های EEG. 

سپس به استفاده از ابزارها و تکنیک‌های مختلف پردازش سیگنال‌های EEG پرداخته می‌شود، از جمله فیلترینگ، تحلیل فرکانسی (مانند تحلیل فوریه)، تحلیل زمانی، تحلیل فضایی و استفاده از روش‌های یادگیری ماشین برای تشخیص الگوها و الگویابی در سیگنال‌های EEG. این آموزش‌ها برای دانشجویان و پژوهشگران علوم پزشکی، علوم مهندسی و علوم کامپیوتر مفید است، زیرا این مواد به آن‌ها کمک می‌کند تا سیگنال‌های ای جی جی را به طور صحیح تحلیل و تفسیر کرده و اطلاعات مفیدی را از فعالیت‌های مغزی به دست آورند. دوره آموزش پردازش سیگنال پیشرفته راهنمایی برای یادگیری بهتر این مباحث و کسب آموزش‌های تکمیلی در این خصوص است.

 

اطلاعات بیشتر

امتیاز و نظرات کاربران

4.1

از مجموع 7 امتیاز

4 نظر

7 ماه پیش

خانم دکتر بسیار عالی و کامل توضیح میدن، و اینکه قسمت های ریاضیاتی و مهندسی رو ساده، قابل فهم و جذاب گفتند. خیلی سپاس گزارم از ایشون که این دوره را برای ما تهیه کردند. فقط اینکه آنالیز گروهی ادامه داره ولی بقیه ویدیو ها نیست.

سارا سوری

سارا سوری

3 ماه پیش

سلام خانم دکتر ممنون از توضیحات فصیح و کامل شما ولی در پارت هفتم فکر میکنم یک ویدیو جاافتاده و توضیحات مربوط به بخش ERP کامل نیست لطفا اصلاح کنید . ممنون

5 ماه پیش

تدریس خانم بغدادی عالی هست. فقط ای کاش فایلهای پاورپوینت که روی آن توضیح نوشته اند در دسترس قرار می گرفت

فاطمه الهی

فاطمه الهی

8 ماه پیش

اموزش استاد بسیار عالی بود ولی ویدئو ها ناقص هست

دوره‌های پیشنهادی

آموزش طراحی سیستم‌های واسط مغز-رایانه (BCI)
99 دانشجو
769,000 تومانء
آموزش پایتون مقدماتی

مدرس: جادی میرمیرانی

88,533 دانشجو
4.4 (5,944)
گواهینامه
45٪
1,359,000 747,450 تومانء
آموزش رایگان پایتون مقدماتی
30,894 دانشجو
4.5 (145)
گواهینامه
569,000 تومانء
آموزش برنامه نویسی با زبان C
دانشگاه صنعتی شریف

دانشگاه صنعتی شریف

مدرس: احمد انواری

6,391 دانشجو
3.6 (200)
گواهینامه
30٪
469,000 328,300 تومانء

درباره استاد

گلناز بغدادی
گلناز بغدادی
1 دوره
249 دانشجو

گلناز بغدادی، دانش آموخته رشته مهندسی پزشکی از دانشگاه صنعتی امیرکبیر است. مهارت‌ها و فعالیت‌های اصلی وی در حوزه پردازش سیگنال‌های زیستی و مدلسازی محاسباتی سیستم‌های زیستی می‌باشد. او دارای بیش از ۱۳ سال تجربه در تدریس دانشگاهی و برگزاری دوره‌های کوتاه مدت مرتبط با علم اعصاب شناختی محاسباتی و پردازش سیگنال‌های الکتروفیزیولوژیکی است. وی همچنین دارای تجربه انجام پروژه‌های تحقیقاتی و صنعتی مختلف بر روی سیگنال‌های EEG و دیگر سیگنال‌های زیستی در مراکز نوآوری و شرکت‌های دانش بنیان است.

 

اطلاعات بیشتر

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟

بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.