پردازش و طبقه‌بندی سیگنال‌های زیستی با استفاده از یادگیری محاسباتی و هوش مصنوعی ۲۰۲۱
Biosignal Processing and Classification Using Computational Learning and Intelligence 2021

پردازش و دسته‌بندی سیگنال‌های زیستی با استفاده از یادگیری محاسباتی و هوش: اصول، الگوریتم‌ها و کاربردها، رویکردی را برای پردازش و دسته‌بندی سیگنال‌های زیستی با استفاده از یادگیری محاسباتی و هوش ارائه می‌دهد. در این کتاب تاکید می‌شود که اصطلاح “سیگنال زیستی” به انواع سیگنال‌هایی اطلاق می‌شود که می‌توان آن‌ها را به طور مداوم در موجودات زنده اندازه‌گیری و پایش کرد.

این کتاب از پنج بخش مرتبط تشکیل شده است. بخش اول مقدمه‌ای بر سیگنال‌های زیستی است و بخش دوم تکنیک‌های مرتبط برای پردازش سیگنال زیستی، استخراج ویژگی و انتخاب ویژگی/کاهش ابعاد را شرح می‌دهد. بخش سوم به مبانی یادگیری محاسباتی (یادگیری ماشین) می‌پردازد. سپس، تکنیک‌های اصلی هوش محاسباتی در بخش چهارم شرح داده شده‌اند.

نویسندگان در بخش آخر این کتاب، که گسترده‌ترین بخش کتاب نیز هست، عمدتاً بر توضیح پرکاربردترین روش‌ها تمرکز دارند. این بخش شامل خلاصه‌ای از جدیدترین کاربردها و بررسی‌هایی است که در آن‌ها این تکنیک‌ها با موفقیت در حوزه‌ی سیگنال‌های زیستی به کار گرفته شده‌اند. از جمله این کاربردها می‌توان به رابط مغز-رایانه مبتنی بر EEG (BCI) با تمرکز بر P300 و گفتار خیالی، تشخیص احساسات از صدا و تصویر، تشخیص لوسمی، تشخیص گریه نوزاد و شناسایی ADHD مبتنی بر EEG اشاره کرد.

– پوشش مبانی پردازش سیگنال، از جمله حس کردن قلب، ارسال مغز، حس کردن صوت انسان و حس کردن سایر اندام‌ها

– شامل پوشش تکنیک‌های پیش پردازش سیگنال‌های زیستی مانند فیلتر کردن، حذف آرتیفکت و تکنیک‌های استخراج ویژگی مانند تبدیل فوریه، تبدیل موجک و MFCC

– پوشش آخرین تکنیک‌ها در یادگیری ماشین و هوش محاسباتی، از جمله یادگیری نظارت شده، طبقه‌بندی‌کننده‌های رایج، انتخاب ویژگی، کاهش ابعاد، منطق فازی، شبکه‌های عصبی، یادگیری عمیق، الگوریتم‌های الهام گرفته از زیست‌شناسی و سیستم‌های ترکیبی

– نوشته شده توسط مهندسان برای کمک به مهندسان، دانشمندان کامپیوتر، محققان و پزشکان برای درک فناوری و کاربردهای یادگیری محاسباتی در پردازش سیگنال‌های زیستی

Biosignal Processing and Classification Using Computational Learning and Intelligence: Principles, Algorithms and Applications posits an approach for biosignal processing and classification using computational learning and intelligence, highlighting that the term biosignal refers to all kinds of signals that can be continuously measured and monitored in living beings. The book is composed of five relevant parts. Part One is an introduction to biosignals and Part Two describes the relevant techniques for biosignal processing, feature extraction and feature selection/dimensionality reduction. Part Three presents the fundamentals of computational learning (machine learning). Then, the main techniques of computational intelligence are described in Part Four. The authors focus primarily on the explanation of the most used methods in the last part of this book, which is the most extensive portion of the book. This part consists of a recapitulation of the newest applications and reviews in which these techniques have been successfully applied to the biosignals’ domain, including EEG-based Brain-Computer Interfaces (BCI) focused on P300 and Imagined Speech, emotion recognition from voice and video, leukemia recognition, infant cry recognition, EEGbased ADHD identification among others. – Provides coverage of the fundamentals of signal processing, including sensing the heart, sending the brain, sensing human acoustic, and sensing other organs – Includes coverage biosignal pre-processing techniques such as filtering, artifiact removal, and feature extraction techniques such as Fourier transform, wavelet transform, and MFCC – Covers the latest techniques in machine learning and computational intelligence, including Supervised Learning, common classifiers, feature selection, dimensionality reduction, fuzzy logic, neural networks, Deep Learning, bio-inspired algorithms, and Hybrid Systems – Written by engineers to help engineers, computer scientists, researchers, and clinicians understand the technology and applications of computational learning to biosignal processing