این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران، جلد ۶۸، شماره ۱۱، صفحات ۶۳۸-۶۴۳
عنوان فارسی طبقه‌بندی پتانسیل‌های عمل نرونی با استفاده از شبکه‌های عصبی شعاعی
چکیده فارسی مقاله زمینه و هدف: اهدافی نظیر مطالعه رفتار جمعیت‌های نرونی، کشف مکانیزم‌های ارتباطی مغز با سایر اندام‌ها، کشف روش‌های درمان بیماری‌های سیستم عصبی و ساخت پروتزهای عصبی مصنوعی، نیازمند به‌کارگیری الگوریتم‌هایی خودکار برای طبقه‌بندی اسپایک‌های نرونی می‌باشند. با این حال به‌دلیل نسبت پایین سیگنال به نویز در اسپایک‌های نرونی، طبقه‌بندی این سیگنال‌ها پروسه‌ای دشوار محسوب می‌شود. در این پژوهش، به‌دنبال طراحی الگوریتمی خودکار، برای طبقه‌بندی اسپایک‌های هم‌شکل ثبت شده از یک ناحیه مشخص از سیستم اعصاب می‌باشیم. روش بررسی: پروسه طبقه‌بندی اسپایک‌های نرونی، عموماً از سه مرحله آشکارسازی، استخراج ویژگی و طبقه‌بندی تشکیل شده است. در این مقاله ابتدا با به‌کارگیری آماره‌های سیگنال، اسپایک‌ها را از داده خام اولیه جداسازی نمودیم (مرحله آشکارسازی) و در مرحله بعد، با انتخاب تعداد محدودی از اسپایک‌ها به‌عنوان نمونه (ویژگی)، به آموزش یک شبکه عصبی RBF، جهت طبقه‌بندی این سیگنال‌ها پرداختیم. ایده استفاده از شبکه‌های عصبی شعاعی، امکان غلبه بر مشکل عدم تفکیک‌پذیری خطی را که در غالب مسایل طبقه‌بندی سیگنال‌های نرونی وجود دارد، به‌وجود آورده است. یافته‌ها: الگوریتم ارایه شده، قادر است پس از یادگیری تعداد محدودی اسپایک به‌عنوان نمونه، هر تعداد اسپایک را (از همان مجموعه آموخته شده) طبقه‌بندی نماید. نتایج به‌دست آمده از شبیه‌سازی‌ها نشان می‌دهند که گرچه این الگوریتم Radial Basis Spike Sorter (RBSS) دارای خطای مثبت- کاذبی تقریباً مشابه با سایر الگوریتم‌ها می‌باشد، با این حال در عین سادگی و با حفظ کمترین پیچیدگی محاسباتی، از سرعت نسبتاً بالاتری برخوردار است. نتیجه‌گیری: الگوریتم طراحی شده، می‌تواند برای اهدافی که در آن‌ها به پردازش و طبقه‌بندی بلادرنگ اسپایک‌ها نیاز است، به‌کار برود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Neuronal spike sorting based on radial basis function neural networks
چکیده انگلیسی مقاله Background: Studying the behavior of a society of neurons, extracting the communication mechanisms of brain with other tissues, finding treatment for some nervous system diseases and designing neuroprosthetic devices, require an algorithm to sort neuralspikes automatically. However, sorting neural spikes is a challenging task because of the low signal to noise ratio (SNR) of the spikes. The main purpose of this study was to design an automatic algorithm for classifying neuronal spikes that are emitted from a specific region of the nervous system. Methods: The spike sorting process usually consists of three stages: detection, feature extraction and sorting. We initially used signal statistics to detect neural spikes. Then, we chose a limited number of typical spikes as features and finally used them to train a radial basis function (RBF) neural network to sort the spikes. In most spike sorting devices, these signals are not linearly discriminative. In order to solve this problem, the aforesaid RBF neural network was used. Results: After the learning process, our proposed algorithm classified any arbitrary spike. The obtained results showed that even though the proposed Radial Basis Spike Sorter (RBSS) reached to the same error as the previous methods, however, the computational costs were much lower compared to other algorithms. Moreover, the competitive points of the proposed algorithm were its good speed and low computational complexity. Conclusion: Regarding the results of this study, the proposed algorithm seems to serve the purpose of procedures that require real-time processing and spike sorting.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مصطفی تقوی کنی | taghavi kani m
گروه مهندسی پزشکی، مرکز تحقیقات علوم دانشگاه علوم پزشکی تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)

امیرهمایون جعفری | homayoon jafari a
گروه مهندسی پزشکی، مرکز تحقیقات علوم دانشگاه علوم پزشکی تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)

علیرضا خوشنویسان | khoshnevisan a
گروه جراحی اعصاب، بیمارستان شریعتی دانشگاه علوم پزشکی تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)

حسین عرب علی بیک | arabalibeyk h
گروه مهندسی پزشکی، مرکز تحقیقات علوم دانشگاه علوم پزشکی تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)

محمدجواد ابوالحسنی | abolhasani mj
گروه مهندسی پزشکی، مرکز تحقیقات علوم دانشگاه علوم پزشکی تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)

نشانی اینترنتی http://tumj.tums.ac.ir/browse.php?a_code=A-10-25-290&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات