<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>رئیس دانشکده مهندسی برق و کامپیوتر</PublisherName>
				<JournalTitle>مجله مهندسی برق دانشگاه تبریز</JournalTitle>
				<Issn>2008-7799</Issn>
				<Volume>46</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2016</Year>
					<Month>04</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>ارزیابی حالت توجه انتخابی دیداری به‌کمک تحلیل پتانسیل‌های وابسته به رویداد مغزی</VernacularTitle>
			<FirstPage>13</FirstPage>
			<LastPage>24</LastPage>
			<ELocationID EIdType="pii">4389</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمدرضا</FirstName>
					<LastName>اکبرزاده توتونچی</LastName>
<Affiliation>دانشگاه فردوسی مشهد - دانشکده مهندسی</Affiliation>

</Author>
<Author>
					<FirstName>سیدعابد</FirstName>
					<LastName>حسینی</LastName>
<Affiliation>دانشگاه فردوسی مشهد - دانشکده مهندسی</Affiliation>

</Author>
<Author>
					<FirstName>محمدباقر</FirstName>
					<LastName>نقیبی سیستانی</LastName>
<Affiliation>دانشگاه فردوسی مشهد - دانشکده مهندسی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2014</Year>
					<Month>08</Month>
					<Day>07</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">این تحقیق به‌منظور ارزیابی فعالیت نواحی مختلف مغز در حالت توجه انتخابی دیداری به کمک پتانسیل‌های وابسته به رویداد (ERP) پیشنهاد می‌شود. توجه انتخابی به محدودیت‌های ظرفیت پردازشی مغز در پرداختن به چند محرک هم‌زمان اشاره دارد. متوسط سیگنال‌های هر دسته از تحریک‌ها که نسبت به وقوع تحریک از نظر زمانی قفل شده‌اند، برای استخراج ERPها استفاده می‌شوند. در این مقاله، استخراج ویژگی توسط ضرایب موجک و شکلی-زمانی، انتخاب ویژگی بهینه توسط مقدار &lt;em&gt;p&lt;/em&gt; و معیار پراکندگی و طبقه‌بندی به کمک ماشین بردار پشتیبان (SVM) با هسته‌های گوسی و چندجمله‌ای انجام می‌شود. در این تحقیق برای ارزیابی نتایج از روش پنج دسته استفاده می‌شود. نتایج نشان می‌دهد بیشترین میزان تفکیک بین پاسخ‌ها را بازه 100 تا 400 میلی‌ثانیه به کمک روش تحلیل تفکیکی قدم‌به‌قدم ایجاد می‌کند. در اکثر شرکت‌کنندگان دامنه قله P&lt;sub&gt;3b&lt;/sub&gt; روی تحریک هدف نسبت به غیر هدف بیشتر است. دو دسته هدف و غیر هدف به کمک معیار پراکندگی و SVM با هسته گوسی با درصد صحت متوسط 7/86% از یکدیگر تفکیک شدند. بیشترین صحت مربوط به نواحی گیج‌گاهی و آهیانه‌ای بوده و غلبه خاصی در نیم‌کره‌های مغزی وجود ندارد. بنابراین روش مورد استفاده از جمله روش‌های مفید در بازنمایی رفتار مغز در حالت توجه انتخابی دیداری است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">توجه انتخابی دیداری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پتانسیل‌های وابسته به رویداد</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">انتخاب ویژگی بهینه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">انتخاب بازه بهینه</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://tjee.tabrizu.ac.ir/article_4389_d43d8b9df7c8958f4dda972569c6d4bb.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
