Wavelets in Neuroscience

این کتاب به بررسی جنبه های نظری و کاربردی تحلیل موجک در نوروفیزیک می پردازد و کاربردهای عملی مختلف نظریه موجک را در حوزه های نورودینامیک و فیزیولوژی عصبی شرح می دهد و مروری بر کارهای اساسی انجام شده در این زمینه ارائه می کند. زمینه‌های دهه گذشته.

فصل‌های 1 و 2 به ترتیب مبانی مربوط به نورفیزیک و نظریه موجک را معرفی و مرور می‌کنند و از یک سو به چالش‌های مختلف فعلی در علوم اعصاب اشاره می‌کنند و از سوی دیگر تکنیک‌های ریاضی را معرفی می‌کنند. تبدیل موجک در دو نوع آن (گسسته و پیوسته) به عنوان یک ابزار قدرتمند و همه کاره برای بررسی دینامیک عصبی مربوطه است.

فصل 3 سپس نتایج حاصل از بررسی دینامیک نورون های فردی و فرآیندهای درون سلولی را تجزیه و تحلیل می کند. اصول تشخیص اسپایک های عصبی از ضبط های خارج سلولی و مزایای استفاده از موجک ها برای رسیدگی به این مسائل شرح داده شده و با رویکردهای مبتنی بر شبکه های عصبی موجک ترکیب شده است (فصل 4). سپس ویژگی های سازماندهی فرکانس زمانی سیگنال های EEG به طور گسترده از تئوری تا کاربردهای عملی مورد بحث قرار می گیرد (فصل 5 و 6). در نهایت، جزئیات فنی تشخیص خودکار و پردازش سیگنال‌های EEG با استفاده از موجک مورد بررسی قرار می‌گیرد (فصل 7).

این کتاب منبع مفیدی برای نوروفیزیولوژیست‌ها و فیزیکدانان آشنا با سیستم‌های دینامیکی غیرخطی و پردازش داده‌ها خواهد بود. همچنین برای دانشجویان تحصیلات تکمیلی متخصص در زمینه های مربوطه.

This book examines theoretical and applied aspects of wavelet analysis in neurophysics, describing in detail different practical applications of the wavelet theory in the areas of neurodynamics and neurophysiology and providing a review of fundamental work that has been carried out in these fields over the last decade.

Chapters 1 and 2 introduce and review the relevant foundations of neurophysics and wavelet theory, respectively, pointing on one hand to the various current challenges in neuroscience and introducing on the other the mathematical techniques of the wavelet transform in its two variants (discrete and continuous) as a powerful and versatile tool for investigating the relevant neuronal dynamics.

Chapter 3 then analyzes results from examining individual neuron dynamics and intracellular processes. The principles for recognizing neuronal spikes from extracellular recordings and the advantages of using wavelets to address these issues are described and combined with approaches based on wavelet neural networks (chapter 4). The features of time-frequency organization of EEG signals are then extensively discussed, from theory to practical applications (chapters 5 and 6). Lastly, the technical details of automatic diagnostics and processing of EEG signals using wavelets are examined (chapter 7).

The book will be a useful resource for neurophysiologists and physicists familiar with nonlinear dynamical systems and data processing, as well as for graduate students specializing in the corresponding areas.