9472

شبيه‌سازي فعاليت‌هاي عصبي مغز با استفاده از مدل هدايت حجمي سر و بازيابي فعاليت‌ها با استفاده از يادگيري عميق

كارشناسي

برق مخابرات

1403

دكتر علي عبدالعالي، دكتر احسان دارستاني فراهاني

1403/09/05

برق

Simulating brain neural activities using head volume conduction model and retrieving activities using Deep Learning

در اين پايان‌نامه به بررسي روش‌هاي پيشرفته شبيه‌سازي فعاليت‌هاي عصبي مغز و تحليل داده‌هاي EEG با استفاده از مدل‌هاي هدايت حجمي سر و يادگيري عميق مي‌پردازيم. هدف اصلي اين تحقيق، ارتقاء دقت در بازيابي فعاليت‌هاي عصبي و فهم بهتر عملكرد مغز از طريق تكنيك‌هاي نوين علمي و محاسباتي است. فعاليت‌هاي قشر خاكستري مغز از اهميت ويژه‌اي برخوردارند، زيرا چگالي بالاي نورون‌ها در اين ناحيه نقش اساسي در عملكردهاي شناختي و رفتارهاي پيچيده انساني دارد. اين ويژگي فيزيولوژيكي قشر خاكستري باعث تمايز مغز انسان از ساير جانداران شده و درك بهتر آن مي‌تواند به بهبود شناخت ما از فرآيندهاي عصبي و اختلالات مغزي كمك كند. روش‌هاي متداول براي تحليل داده‌هاي EEG شامل مدل‌هاي پيش‌فرض هدايت الكتريكي، روش‌هاي مبتني بر داده‌هاي تجربي و تكنيك‌هاي يادگيري ماشين است. در حالي كه مدل‌هاي پيش‌فرض دقت بالايي در شبيه‌سازي دارند، نياز به منابع محاسباتي زيادي دارند و تعداد محدودي از منابع را پيدا مي‌كنند و روش‌هاي مبتني بر داده ممكن است نتوانند فعاليت‌هاي پيچيده عصبي را به‌طور كامل شبيه‌سازي كنند. روش پيشنهادي اين تحقيق با تركيب مدل‌هاي هدايت حجمي سر و يادگيري عميق، توانايي پردازش داده‌هاي حجيم و استخراج الگوهاي پيچيده را دارد و مي‌تواند دقت بيشتري در شبيه‌سازي و بازيابي فعاليت‌هاي عصبي فراهم آورد. اين رويكرد مي‌تواند به بهبود روش‌هاي تحليل داده‌هاي EEG و كاربردهاي باليني كمك شاياني كند.

يادگيري عميق , بازيابي منابع مغزي , Source Reconstruction , Deeplearning , EEG