با سلام و احترام،
ستاد توسعه علوم و فناوری‌های شناختی در راستای برنامه ملی واسط‌های مغز و رایانه (Brain-Computer Interfaces)، از جامعه نخبگانی، علمی، صنعتی، دولتی و بخش خصوصی دعوت می‌کند تا ظرفیت‌های علمی، اجرایی و صنعتی خود را جهت همکاری در این برنامه ملی با ارسال پیشنهادات و رزومه به آدرس الکترونیکی [email protected] حداکثر تا تاریخ ۱۰ اسفند ۱۴۰۳ اعلام نمایند.
اهداف اصلی برنامه واسط‌های مغز و رایانه:
شناسایی، تشکیل و فعال‌سازی گروه­های تحقیقاتی BCI در دانشگاه‌های سراسر کشور
شناسایی و ظرفیت سنجی شرکت‌های دانش‌بنیان، فناور و کسب و کارهای نوپا در زمینه BCI
معرفی و ترویج فناوری BCI و کاربردهای آن در سطح کشور در همکاری و تعامل با ذینفعان
حمایت از توسعه بازار داخلی و شناسایی بازارهای هدف خارجی برای محصولات BCI تولید شده در داخل کشور
لینک خبر: https://b2n.ir/h90689
پیشاپیش از حمایت و همکاری صمیمانه شما سپاسگزاریم.
کارگروه برنامه ملی واسط‌های مغز و رایانه (BCI)


ستاد راهبری توسعه علوم و فناوریهای شناختی
معاونت علمی و فناوری ریاست جمهوری
تلفن  22660772-22660771– 22660770
پست الکترونیکی [email protected]    پایگاه اینترنتی www.cogc.ir
تهران، خیابان ولی عصر(عج)، بالاتر از چهارراه نیایش، خیابان استاد دریابندری(ارمغان غربی)، پلاک 3(ساختمان سابق شورای عالی ایرانیان خارج از کشور)، طبقه سوم

https://telewebion.com/episode/0x1134d2dc

https://www.nature.com/articles/s41597-024-03722-1

نرم افرار wineeg برای فایلهای دستگاه میتسار با پسوند eeg. که در eeglab باز نمیشود
با این نرم افزار بازکنید با فرمت edf ذخیره کنید و با eeglab باز کنید

شکل موجهایی که در EEG بیداری و خواب قابل مشاهده است
از کتاب اقای دکتر صانعی

در روشهای استخراج باند الفا در سیگنال های مغزی این نکته در فیلتر کردن مهم است
در فیلترهای FIR حدودا به درجه فیلتر شیفت در نمونه های زمانی داریم مثلا فیلتر درجه 100 حدود 100 نمونه شیفت دارد(اگر فرکانس نمونه برداری 200 هرتز باشد 100 نمونه حدود نیم ثانیه میشود)
این روش برای پردازشهای offline مناسب است و برای کارهای online قابل استفاده نیست

از آزمایشگاه اطلاع دادند که متاسفانه سایت و درگاه پرداخت دچار مشکل شده است و در تلاش برای رفع آن هستند
اگر تا شنبه مشکل برطرف نشد
با سرکار خانم وکیلی در آزمایشگاه هماهنگ کنید تا از طریق دیگر ثبت نام نهایی شود
با تشکر
@Vakili1988
به ای دی ایشان پیام بدهید

? آزمایشگاه ملی نقشه برداری مغز برگزار می‌کند:

*? ۳۰ امین کارگاه ثبت، پردازش و تحلیل سیگنالهای EEG?***

*? مدرسین:
☑️دكتر علی مطيع نصرآبادی
☑️*دكتر محمد ميكائيلی

*?زمان: چهارشنبه، پنجشنبه و جمعه*
۲۳ الی ۲۵ آبان ۱۴۰۳

‼️ظرفیت محدود ‼️

?برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.

☎️ تماس با ما: 02186093155

?Telegram
?Instagram
?LinkedIn
?Website

7.1.1 Text summarization
7.1.2 Text summarization approaches
7.1.2.1 Extractive text summarization
7.1.2.2 Abstractive text summarization
7.1.3 Text summarization in healthcare
7.2 Literature review
7.3 TF-IDF algorithm
7.4 Swarm intelligence using particle swarm optimization
7.4.1 Particle swarm optimization algorithm
7.5 Proposed methodology
7.5.1 Input text
7.5.2 Preprocessing
7.5.2.1 Sentence tokenization
7.5.2.2 Stop word removal
7.5.2.3 Stemming
7.5.3 Applying TF-IDF algorithm
7.5.4 Generation of different versions of summary
7.5.5 Applying PSO algorithm
7.5.5.1 Find all possible sets of summaries
7.5.5.2 Initialization of PSO parameters
7.5.5.3 Update the parameters until they get optimized or until some condition is reached
7.5.5.4 Get the p-best value for all versions
7.5.6 Evaluate the summaries and provide the best optimized summary as a result
7.6 Results and discussions
7.7 Conclusion and future work
References
Chapter 8: Computer aided diagnosis of neurodegenerative diseases using discrete wavelet transform and neural network for classification
8.1 Introduction
8.2 Methods and materials
8.2.1 Dataset used
8.2.2 Discrete wavelet transforms
8.2.3 Feature extraction
8.2.4 Artificial neural network classifier
8.3 Results and discussion
8.4 Conclusion
References
Chapter 9: EEG artifact detection and removal techniques: A brief review
9.1 Introduction
9.2 Different types of EEG artifacts
9.2.1 Ocular (EOG) artifact
9.2.2 Muscular artifact
9.2.3 Cardiac artifact
9.2.4 Motion artifact
9.3 Artifact removal techniques
9.3.1 Regression technique
9.3.2 Filtering technique
9.3.2.1 Adaptive filtering
9.3.3 Decomposition technique
9.3.3.1 Techniques of blind source separation (BSS)
9.3.3.1.1 Independent component analysis (ICA)
9.3.3.1.2 Canonical correlation analysis (CCA)
9.3.3.1.3 Morphological component analysis (MCA)
9.3.3.1.4 Principal component analysis (PCA)
9.3.3.2 Wavelet transform (WT)
9.3.3.3 Empirical mode decomposition (EMD)
9.3.3.4 Variational mode decomposition
9.3.4 Machine learning technique
9.3.5 Combined approach for artifact removal
9.3.5.1 Blind source separation and adaptive filtering
9.3.5.2 Adaptive filtering and wavelet transform
9.3.5.3 Technique of BSS and WT
9.3.5.4 Technique of EMD and BSS
9.3.5.5 Adaptive filtering and EMD
9.3.5.6 Technique of BSS and SVM
9.3.6 Summary of earlier methods used for EEG artifact removal
9.4 Proposed technique
9.4.1 Fast discrete S transform (FDST)
9.5 Result and discussion
9.6 Conclusion
References
Chapter 10: Analysis of neural network and neuromorphic computing with hardware: A survey
10.1 Introduction
10.2 Models of research
10.2.1 Models of neurons
10.2.2 Synapse models
10.2.2.1 Network model
10.3 Algorithm and learning
10.3.1 Supervised learning concept
10.4 Conclusion
References
Chapter 11: Analysis of technology research and ADHD with the neurodivergent reader: A survey
11.1 Introduction
11.2 Domain previous study
11.2.1 ADHD
11.2.2 Neurodivergence and HCI
11.2.3 Studies of disabilities with a critical lens and crip technology
11.3 Research methods
11.3.1 Development of corpus
11.4 Result and discussion
11.5 Research gaps
11.6 Conclusion