دوره 6، شماره 2 - ( 12-1388 )                   جلد 6 شماره 2 صفحات 52-39 | برگشت به فهرست نسخه ها

XML English Abstract Print


چکیده:   (3859 مشاهده)

هدف از این پژوهش، به‌کارگیری روش‌ پردازشِ غیرخطی منحنی‌های بازگشتی روی پتانسیل‌های وابسته به رخداد فرآیندهای حافظه‌ای است تا توانایی‌های این روش در شناسایی مؤلّفه‌های حافظه‌ای سیگنال‌های مغزی تک ثبت و ایجاد تمایز بین گروه‌های قدیم و جدید، مورد بررسی قرار گیرد. دو مؤلفه ی مهم حافظه‌ای FN400 و LPC است که بایستی مورد شناسایی قرار گیرد. برای این منظور منحنی‌های بازگشتی مربوط به تک‌ ثبت‌های EEG ثبت شده در حین بازیابی حافظه، محاسبه شدند. علاوه بر این تحلیل آنالیز کمّی‌سازی بازگشت برای کمّی‌سازی تغییرات در ساختار دینامیک سیگنال در حین رخداد حافظه، انجام شد. از کمّی‌کننده‌های غیرخطی نظیر RR, DET, ENTR, , Lmax, LAM, TT و Vmax ویژگی‌هایی استخراج شده و میزان معنادار بودن تفاوت این ویژگی‌ها در دو رخداد قدیم و جدید با استفاده از آزمون‌های آماری مشخّص گردید. نتایج نشان می‌دهند که منحنی‌های بازگشتی، توانایی شناسایی گذارهای سیگنال در حوالی 400 میلی ثانیه و 800 میلی ثانیه را، که به مؤلفّه‌های حافظه‌ای مربوط دانسته شده‌اند، دارد. دامنه ی اندازه‌های غیرخطی این منحنی‌ها 400 میلی‌ثانیه پس از شروع تحریک افزایش می‌یابدکه نشان دهنده ی کاهش بُعد سیستم، پس از تحریک است. پس از 800 میلی‌ثانیه این روند افزایش از بین رفته و کاهشی در تمامی اندازه‌ها به وقوع می‌پیوندد که می‌تواند مبین افزایش بعد و پیچیدگی سیستم و بازگشت به وضعیت پایه‌اش ‌باشد. میانگین اندازه‌های مربوط به رخداد قدیم بیشتر از رخداد جدید است. در مقایسه با روش‌های خطی، منحنی‌های بازگشتی نیاز به متوسط‌گیری ندارد و RQA حتی در تک‌ثبت‌های EEG تمایز بین رخدادهای قدیم و جدید را نشان می‌دهد.

متن کامل [PDF 3196 kb]   (1223 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش گفتار
دریافت: 1388/12/29 | پذیرش: 1396/12/2 | انتشار: 1396/12/2 | انتشار الکترونیک: 1396/12/2

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.