{"doi":"10.22041/ijbme.2019.103479.1447","title":"Unknown","abstract":null,"journal":null,"year":null,"id":605214,"datarank":0.37273599746820013,"base_score":2.4849066497880004,"endowment":2.4849066497880004,"self_citation_contribution":0.37273599746820013,"citation_network_contribution":0.0,"self_endowment_contribution":0.37273599746820013,"citer_contribution":0.0,"corpus_percentile":null,"corpus_rank":null,"citation_count":11,"citer_count":0,"citers_with_citation_signal":0,"citers_with_endowment":0,"datacite_reuse_total":0,"is_dataset":false,"is_dataset_confidence":null,"is_data_producer":false,"deposit_databanks":null,"is_oa":false,"file_count":0,"downloads":0,"has_version_chain":false,"published_date":null,"fair_score":null,"fair_percentile":null,"algorithm_id":"datarank_citation_only_1hop_v6","ranking_scope":"data_only","authors":[],"reference_count":0,"raw_metadata":{"has_enrichment":true,"resolved":true,"title":"Localizing Epileptic Focus through Simultaneous EEG-fMRI Recording and Automated Detection of IED from Inside-Scanner EEG","abstract":"با توجه به رزولوشن زمانی خوب EEG و رزولوشن مکانی مناسب fMRI، ترکیب اطلاعات هم‌زمان آن‌ها می‌تواند باعث بهبود عمل‌کرد مکان‌یابی شود. در این مقاله سعی شده است تا با استفاده از اطلاعات این دو مدالیته در یک ثبت هم‌زمان، به مکان‌یابی کانون‌های صرعی پرداخته شود. از این رو، نخست از طریق شناسایی وقایع اینترایکتال و میانگین‌گیری، یک الگوی اسپایکر مستخرج از EEG خارج اسکنر ساخته شده و سپس از طریق اعمال همبستگی متقابل بین این الگو و سیگنال EEG درون اسکنر، یک سیستم خودکار به منظور استخراج اطلاعات زمانی لحظه‌ی وقوع حادثه طراحی شده است. پس از آن رگرسور به دست آمده بعد از کانوالو شدن با تابع پاسخ سیستم همودینامیک (HRF) از طریق مدل GLM به مکان‌یابی کانون‌های صرعی پرداخته است. این مطالعه روی 6 بیمار صرعی موضعی مقاوم به دارو که در آزمایشگاه ملی نقشه‌برداری مغز از آن‌ها ثبت داده صورت گرفته، انجام شده است. نتایج روش پیشنهادی با اطلاعات ارائه شده در EEG برای هر 6 بیمار هماهنگی داشته و از این میان برای 4 بیمار که کاندید جراحی مغز بودند، اطلاعاتی اضافه ارائه کرده است. نتایج به دست آمده حاکی از بهبود صحت و دقت مکان‌یابی نسبت به روش‌های پیشین می‌باشد.","is_dataset_classified":null,"base_score":2.4849066497880004,"endowment":2.4849066497880004,"datacite_reuse_total":0,"file_count":0,"downloads":0,"views":0,"has_version_chain":false,"is_dataset":false,"is_oa":false,"pmid":"21097893","pmcid":null,"openalex_id":"https://openalex.org/W2977616198","authors":[],"funders":[],"total_grants":0,"fwci":0.7186,"citation_percentile":0.69401792,"influential_citations":0,"citation_trend":[{"year":2019,"count":1},{"year":2020,"count":1},{"year":2021,"count":2},{"year":2022,"count":2},{"year":2023,"count":1},{"year":2025,"count":3},{"year":2026,"count":1}],"oa_status":"closed","license":null,"oa_locations":[{"url":"http://www.ijbme.org/article_35722_71f28f05d18bee37afd8757ffab2b767.pdf","host_type":""}],"fields_of_study":["EEG and Brain-Computer Interfaces","Functional Brain Connectivity Studies","Brain Tumor Detection and Classification"],"mesh_terms":[],"keywords":["Electroencephalography","EEG-fMRI","Focus (optics)","Scanner","Computer science","Artificial intelligence","Pattern recognition (psychology)","Psychology","Speech recognition","Computer vision","Neuroscience"],"sdg_mappings":[],"linked_datasets":[],"clinical_trials":[],"software_tools":[],"database_accessions":[],"source":"live","citation_network_status":"fetched"},"created_at":"2026-07-30T01:54:31.651930Z","pmid":null,"pmcid":null,"fwci":null,"citation_percentile":null,"influential_citations":0,"oa_status":null,"license":null,"views":0,"total_file_size_bytes":0,"version_count":0,"fair_f":null,"fair_a":null,"fair_i":null,"fair_r":null,"fair_zscore":null,"fair_rationale":null,"fair_model":null,"fair_agent_version":null,"fair_fulltext_source":null,"fair_has_llm":null,"fair_computed_at":null,"clinical_trials":[],"software_tools":[],"db_accessions":[],"linked_datasets":[],"topics":[]}