குறியிடப்பட்டது
  • ஜெ கேட் திறக்கவும்
  • ஜெனமிக்ஸ் ஜர்னல்சீக்
  • CiteFactor
  • காஸ்மோஸ் IF
  • சிமாகோ
  • Ulrich's Periodicals Directory
  • எலக்ட்ரானிக் ஜர்னல்ஸ் லைப்ரரி
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • ஜர்னல்களுக்கான சுருக்க அட்டவணைப்படுத்தலின் அடைவு
  • OCLC- WorldCat
  • பிராக்வெஸ்ட் சம்மன்ஸ்
  • அறிஞர்
  • சாலை
  • உயிரியல் மெய்நிகர் நூலகம் (vifabio)
  • பப்ளான்கள்
  • மருத்துவக் கல்வி மற்றும் ஆராய்ச்சிக்கான ஜெனீவா அறக்கட்டளை
  • கூகுள் ஸ்காலர்
இந்தப் பக்கத்தைப் பகிரவும்
ஜர்னல் ஃப்ளையர்
Flyer image

சுருக்கம்

எக்ஸோஸ்கெலட்டன் கட்டுமானத்தில் எலக்ட்ரோபிசியாலஜிக்கல் சிக்னல்கள் மற்றும் தரவு பரிமாற்றத்தை அங்கீகரிப்பதற்காக மல்டிஃபங்க்ஸ்னல் நியூரோ டிவைஸ்

நடாலியா நிகோலேவ்னா ஷுஷாரினா, எவ்ஜெனி அனடோலிவிச் போக்டானோவ், விட்டலி ஆண்ட்ரீவிச் பெட்ரோவ், எகடெரினா விளாடிமிரோவ்னா சிலினா மற்றும் மாக்சிம் விளாடிமிரோவிச் பட்ருஷேவ்

சுகாதாரப் பாதுகாப்பின் மிக முக்கியமான பணி ஆயுட்காலம் அதிகரிப்பதும், மக்களின் வாழ்க்கைத் தரத்தை மேம்படுத்துவதும் ஆகும். அதிக எண்ணிக்கையிலான இயலாமைகளைக் கருத்தில் கொண்டு, உயர் துல்லியமான நரம்பியல் சாதனத்தை நிறுவுவது மிகவும் பொருத்தமானது, இது வரையறுக்கப்பட்ட செயல்பாட்டு திறன்களைக் கொண்டவர்களை சமூகத்தில் ஒருங்கிணைக்க அனுமதிக்கிறது. இந்தத் தாள் ஒரு ஆராய்ச்சிப் பணியின் தற்காலிக முடிவுகளை முன்வைக்கிறது, இதன் முக்கிய நோக்கம் ஒரு எக்ஸோஸ்கெலட்டன் கட்டுமானத்திற்கு தரவை மாற்றும் திறன் கொண்ட மல்டிஃபங்க்ஸ்னல் நரம்பியல் சாதனத்தை உருவாக்குவதாகும். முதல் கட்டத்தில், எலக்ட்ரோமோகிராபி (EMG), எலக்ட்ரோஎன்செபலோகிராபி (EEG), எலக்ட்ரோகுலோகிராபி (EOG), ஃபோட்டோபிளெதிஸ்மோகிராபி, நீண்ட காலத்திற்கு உடல் வெப்பநிலை ஆகியவற்றை அளவிடக்கூடிய நரம்பியல் சாதன அமைப்பிற்கான உகந்த வழியைத் தேர்ந்தெடுத்தோம். தொலைதூர பயிற்சியாளருக்கு உண்மையான நேரத்தில் தரவை அனுப்பும் திறன் கொண்ட மோட்டார் செயல்பாடு. மென்பொருள் உருவாக்கப்பட்டது. சோதனைகள் நடத்தப்பட்டன; அதே நேரத்தில் இறுதி (எஞ்சிய) வரைகலை முடிவுகள் வணிக ரீதியாக கிடைக்கும் சாதனங்களுடன் ஒப்பிடப்பட்டன. சோதனை முடிவுகள் EEG, EMG, EOG, ஃபோட்டோபிளெதிஸ்மோகிராபி, தெர்மோமெட்ரி மற்றும் உடல் செயல்பாடு ஆகியவற்றின் சமிக்ஞைகளின் உயர் துல்லியத்தைக் காட்டியது. முடிவில், 10 ஆரோக்கியமான தன்னார்வலர்களின் பங்கேற்புடன், EEG மற்றும் EMG சிக்னல்களின் கலப்பின ஆய்வு மேற்கொள்ளப்பட்டது, மேலும் இது ஒரே ஒரு மாதிரி அமைப்புடன் ஒப்பிடுகையில் குறிப்பிடத்தக்க நன்மையைக் காட்டியது. மனித உடலியல் பற்றிய தற்போதைய அறிவின் அடிப்படையில் உகந்த தொழில்நுட்ப தீர்வுகளை உருவாக்க மேலும் ஒரு பணி அனுமதிக்கும் என்று எதிர்பார்க்கப்படுகிறது. இது மிகவும் துல்லியமான மற்றும் பாதுகாப்பான பல்செயல்திறன் நரம்பியல் சாதனத்தை உருவாக்குவதற்கு அடிப்படையாக இருக்கும் மற்றும் மருத்துவ-சமூகத் தேவைகளைப் பூர்த்தி செய்யக்கூடியதாக இருக்கும், மேலும் குறைபாடுகள் உள்ளவர்களை ரோபோ நுட்பத்துடன் இணைப்பதன் மூலம் சமூகத்தில் மீண்டும் ஒருங்கிணைக்க உதவும்.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவ