تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الموضوعات الرئيسية
  3. تخطيط الدماغ وواجهات الدماغ-الكمبيوتر

الأبحاث ضمن الموضوع : تخطيط الدماغ وواجهات الدماغ-الكمبيوتر




  • تسرب البيانات في دراسات التعلم العميق لتخطيط الدماغ الانتقالي

    2024 | المؤلف: Geoffrey Brookshire وآخرون | المجلة: Frontiers in Neuroscience | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تناقش هذه القسم تطبيق الشبكات العصبية العميقة (DNNs) على بيانات تخطيط الدماغ الكهربائي (EEG) لتحديد الاضطرابات المختلفة، مع تسليط الضوء على قضية حاسمة تتعلق بتسرب البيانات في تقييم النموذج. بشكل محدد، تنتقد الممارسة الشائعة للاحتفاظ القائم على القطع، حيث يمكن أن تظهر قطع EEG من نفس الموضوع في كل من مجموعات التدريب والاختبار. يمكن أن…


  • تقييم فعالية PCA المكانية على فك تشفير بيانات EEG المعتمدة على SVM

    2024 | المؤلف: Guanghui Zhang وآخرون | المجلة: NeuroImage | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    في هذه الدراسة، يحقق المؤلفون في فعالية تحليل المكونات الرئيسية (PCA) لتعزيز دقة فك التشفير في أبحاث EEG، وخاصة عند استخدام آلات الدعم المتجهة عبر مجموعة متنوعة من الأنماط التجريبية. قاموا بتقييم عدة متغيرات لـ PCA، بما في ذلك تحليل المكونات القائم على المجموعة وتحليل المكونات القائم على الموضوع، مع وبدون دوران Varimax، مع تغيير…


  • تصنيف عبء العمل العقلي باستخدام الاتصال الدماغي والتعلم الآلي على بيانات تخطيط الدماغ الكهربائي

    2024 | المؤلف: Mohammadreza Safari وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    يتناول هذا القسم من ورقة البحث تقييم عبء العمل العقلي (MWL) باستخدام بيانات EEG، مع التأكيد على أهميته عبر مجالات مختلفة مثل تصميم الأنظمة والطب السريري. يقترح المؤلفون إطار عمل جديد يستفيد من الاتصال الفعال بين الدماغ لاستخراج الميزات، ويستخدم خوارزمية اختيار ميزات هرمية، ويستعين بنماذج التعلم الآلي لتصنيف MWL. باستخدام مجموعة بيانات عبء العمل…


  • نموذج GRU–CNN لاكتشاف الانتباه السمعي باستخدام تحليل الحالة الدقيقة وتحليل التكرار

    2024 | المؤلف: MohammadReza EskandariNasab وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تبحث هذه الدراسة في الكشف عن الانتباه السمعي (AAD) من خلال تحليل إشارات تخطيط الدماغ الكهربائي (EEG) متعددة القنوات، مع التركيز على كيفية تركيز المستمعين على متحدث مستهدف وسط متحدثين متنافسين. تستخدم الدراسة تحليلات الحالة الدقيقة وتحليل تكرار الكوانتيشن لاستخراج ميزات ديناميكية تعكس تغييرات حالة الدماغ أثناء المهام المعرفية. يتم تحديد مجموعة ميزات محسّنة من…


  • مجموعة بيانات فسيولوجية متعددة الأنماط لتحليل سلوك القيادة

    2024 | المؤلف: Xiaoming Tao وآخرون | المجلة: Scientific Data | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تستكشف هذه الدراسة العلاقة بين الإشارات الفسيولوجية وسلوك القيادة من خلال تحليل بيانات متعددة الأنماط من 35 مشاركًا. تشمل البيانات الفسيولوجية التي تم جمعها 59 قناة EEG، وقناة واحدة ECG، و4 قنوات EMG، وقناة واحدة GSR، ومقاييس حركة العين، جميعها تم جمعها باستخدام جهاز محاكاة قيادة ذو ست درجات من الحرية. تم تصنيف سلوكيات القيادة…


  • إطار فعال للكشف عن مرض باركنسون: الاستفادة من تمثيل الزمن-التردد وشبكة أليكس نت العصبية الالتفافية

    2024 | المؤلف: Siuly Siuly وآخرون | المجلة: Computers in Biology and Medicine | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تبحث هذه الورقة البحثية في استخدام إشارات تخطيط الدماغ الكهربائي (EEG) للتشخيص المبكر لمرض باركنسون (PD)، وهو اضطراب تنكسي عصبي يؤثر على أكثر من 10 ملايين شخص على مستوى العالم. تقدم الدراسة نموذج شبكة عصبية تلافيفية (CNN) قائم على تمثيل الزمن-التردد (TFR) باستخدام AlexNet يعزز من تحديد المناطق الحرجة في الدماغ المرتبطة بمرض PD. من…


  • التعرف على المشاعر من خلال EEG بناءً على مصفوفة ميزات الانتروبيا التفاضلية عبر شبكة 2D-CNN-LSTM

    2024 | المؤلف: Teng Wang وآخرون | المجلة: EURASIP Journal on Advances in Signal Processing | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم ورقة البحث طريقة جديدة للتعرف على المشاعر باستخدام تخطيط الدماغ الكهربائي (EEG)، مع معالجة القيود التي تواجه الأساليب التقليدية التي تتجاهل الارتباطات المكانية بين إشارات الأقطاب الكهربائية. تدمج الطريقة المقترحة مصفوفة ميزات الانتروبيا التفاضلية (DEFM) مع بنية تعلم عميق هجينة تجمع بين الشبكات العصبية التلافيفية ثنائية الأبعاد (2D-CNN) وشبكات الذاكرة طويلة وقصيرة المدى (LSTM).…


  • إطار عمل جديد للتعلم العميق لاكتشاف النوبات الصرعية باستخدام إشارات EEG

    2024 | المؤلف: Sayani Mallick وآخرون | المجلة: Frontiers in Computational Neuroscience | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    في هذا البحث، يقدم المؤلفون إطار عمل جديد لاكتشاف نوبات الصرع باستخدام مزيج من الشبكات العصبية التلافيفية أحادية البعد (1D-CNN)، والشبكات العصبية الذاكرة الطويلة القصيرة ثنائية الاتجاه (LSTMs)، ووحدات الذاكرة المتكررة المغلقة (GRUs)، وطبقة التجميع المتوسطة. يظهر الهيكل المقترح تحسينات كبيرة في مقاييس الأداء لكل من التصنيفات الثنائية والمتعددة الفئات، مما يتيح اكتشاف النوبات من…


  • تحليل ERP القائم على قيمة SHAP (SHERPA): زيادة حساسية إشارات EEG باستخدام طرق الذكاء الاصطناعي القابلة للتفسير

    2024 | المؤلف: Sophia Sylvester وآخرون | المجلة: Behavior Research Methods | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    يقدم القسم SHERPA، وهو نهج جديد يعتمد على البيانات لتحليل إمكانيات الأحداث المرتبطة (ERPs) في بيانات تخطيط الدماغ الكهربائي (EEG)، والذي يستفيد من الذكاء الاصطناعي القابل للتفسير (XAI). غالبًا ما يعتمد تحليل ERP التقليدي على أجهزة استشعار ونقاط زمنية محددة مسبقًا، مما يؤدي إلى تحيزات محتملة واكتشاف محدود للتأثيرات غير المتوقعة. يتناول SHERPA هذه القيود…


  • نظام دعم القرار المعتمد على الآلة الكمية لاكتشاف الفصام من سجلات EEG

    2024 | المؤلف: Gamzepelin Aksoy وآخرون | المجلة: Journal of Medical Systems | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تبحث هذه الدراسة في تطبيق خوارزميات التعلم الآلي، وخاصة الطرق المعتمدة على الكم، للتشخيص المبكر للفصام باستخدام إشارات تخطيط الدماغ الكهربائي (EEG). تستخدم الدراسة تقنيات تعلم آلي متنوعة، بما في ذلك خوارزميات آلة الدعم الكمية (QSVM)، جنبًا إلى جنب مع الطرق التقليدية، لتحليل بيانات EEG التي تمت معالجتها من خلال تحليل المكونات الرئيسية (PCA) وتحويلها…


←السابق
1 … 11 12 13 14 15
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.