دانلود مقالات ISI درباره پتانسیل وابسته به رویداد + ترجمه فارسی
Event-Related Potential
آشنایی با موضوع
پتانسیل وابسته به رویداد (Event-related potential) یا به طور اختصار ERP که پتانسیل انگیخته نیز نامیده میشود مجموعهای از امواج مغزی قابل ثبت در سطح پوست هستند که همزمان با ارائه یک محرک مجزا بروز میکنند. این پتانسیلها، معمولا در مقایسه با دامنه فعالیت پیوسته EEG (که به ۵۰ میکروولت یا بیشتر میرسند)، دامنه کمی (در حد چند میکروولت) دارند. محرکها شاید صدها بار تکرار میشوند و میانگین حسابی EEG دیجیتالی پس محرکی، محاسبه میشود. سیگنالی که واکنش به محرک را نشان میدهد، در میانگین حفظ میشود، در حالی که فعالیت EEG پیوسته زمینهای (که از نظر زمانی با محرکها متناظر نیست) از بین میرود. این روال میانگینگیری به ERPهای دارای دامنه محدود اجازه میدهد به صورت نمودار کمی ولتاژ بر حسب زمان ترسیم گردند. به طور قراردادی این ERPها عموما مطابق نهفتگی و قطبیتشان نامگذاری میشوند. یکی از این موجها که موضوع هزاران مقاله بوده است P3 یا P300 نامیده میشود چرا که هنگام بررسی در ERP میانگینگیری شده، به عنوان سومین موج مثبت پدیدار شده و از نهفتگی حدود ۳۰۰ میلی ثانیه برخوردار است.
ERP در واقع بررسی واکنش مغز به محرک ها در کمتر از یک ثانیه است و امکان ارزیابی کارکرد مغز در بیماران مبتلا به اختلالات شناختی را فراهم می آورد. در این روش با دادن یک تحریک مناسب ( دیداری، شنیداری،شناختی و …. ) به فرد، سیگنال مغزی(EEG) ناشی از ادراک آن تحریک ثبت می شود. بدین صورت که در یک آزمون ERP فعالیت مغزی فرد حین انجام یک تکلیف دیداری یا شنیداری ثبت می شود. ثبت فعالیت مغزی از طریق کلاهی که بر روی سر فرد قرار می گیرد، انجام می شود. بنابراین ERP به وسیله سه نوع تحریک کلی ایجاد می شوند: تحریکات بصری، شنیداری و حرکتی.
ERP یک ثبت میلی ثانیه از پردازش اطلاعات عصبی را فراهم می کند که با عملیات خاصی مثل کدگذاری حسی، بازداری پاسخ و به روز رسانی حافظه کاری همبسته است. از آنجا که این سیگنال ها به منظور تشخیص اختلالات مغزی مورد استفاده قرار میگیرند، نحوه تولید پتانسیل های وابسته به رویداد( ERP) در یک سیگنال EEG و آنالیز آن از اهمیت بسیاری برخوردار است. معمولاً ERP به صورت فعالیت همزمان چندین گروه از نورونها در یک مقطع زمانی تعریف میشوند و طیف وسیعی از پاسخ ها را تشکیل میدهند، که توسط “رویداد” هایی نظیر واکنش به یک تحریک “هدف” یا تشخیص عدم حضور نوعی تحریک در یک توالی استخراج می شوند
این مولفهها برای تشخیص نقائص حسی بسیار مفیدند و میتوانند در پژوهشهای تشخیصی انواع مشکلات و اختلالات مورد استفاده قرار بگیرند. مثال دیگری از کاربرد بالینی این فنآوری مطالعه حافظه و دروغسنجی است. در حوزه آسیبشناسی روانی نیز قویا اثبات شده است که نابهنجاری در واکنش P300 با دامنه گستردهای از اختلالات روانپزشکی از قبیل اسکیزوفرنی، اختلال بیشفعالی/ کمبود توجه و سوء مصرف مواد و اختلالات مرتبط با آنها رابطه دارد.
معمول ترین شیوه استخراج ERP، استفاده از الگوهایی است که در آنها دو محرک کاملاً متفاوت در یک توالی به صورت تصادفی قرار می گیرند. یکی از این محرک ها (محرک استاندارد ) است که به دفعات بیشتری ظاهر می شود، محرک دیگر به عنوان محرک هدف در نظر گرفته شده و ظهور آن به مراتب کمتر و به صورت پیش بینی نشده اتفاق می افتد. تحریکات استاندارد و هدف می توانند به صورت صداهایی با فرکانس های متفاوت، اشکالی با رنگ های متفاوت (صفحات شطرنجی) و … باشند. معمولاً از افراد مورد آزمایش درخواست می شود که تعداد محرکات هدف را در یک توالی شمارش کرده یا با هر بار ظهور یک محرک، دکمه ای را فشار دهند.
در این صفحه تعداد 1018 مقاله تخصصی درباره پتانسیل وابسته به رویداد که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید. در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI پتانسیل وابسته به رویداد (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند. در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Keywords: پتانسیل وابسته به رویداد; AUC; area under the curve; BCI; brain-computer interface; CAR; common average reference; EEG; electroencephalogram; ENEC; elastic-net ensemble classifier; ERP; event-related potential; GLMNET; general linear models elastic-net regularization; LASSO; lea