مهندسی عصبی عضلانی
سحر اکبری؛ وحید شالچیان؛ محمدرضا دلیری
دوره 12، شماره 4 ، بهمن 1397، ، صفحه 277-286
چکیده
آشکارسازی اسپایکهای عصبی، نحستین گام برای تجزیه و تحلیل پتانسیل عمل واحدهای نورونی در ثبت خارج سلولی میباشد. وجود نویز پسزمینه درثبتهای خارج سلولی، که عمدتا از جمع آثار پتانسیل عمل واحد های نورونی دورتر از منطقهی ثبت ناشی میشود، در بسیاری از مواقع، آشکارسازی و تشخیص اسپایکهای عصبی کمدامنه را دشوار میسازد. تا کنون ...
بیشتر
آشکارسازی اسپایکهای عصبی، نحستین گام برای تجزیه و تحلیل پتانسیل عمل واحدهای نورونی در ثبت خارج سلولی میباشد. وجود نویز پسزمینه درثبتهای خارج سلولی، که عمدتا از جمع آثار پتانسیل عمل واحد های نورونی دورتر از منطقهی ثبت ناشی میشود، در بسیاری از مواقع، آشکارسازی و تشخیص اسپایکهای عصبی کمدامنه را دشوار میسازد. تا کنون محققان زیادی به این موضوع پرداخته و برای حل این مشکل، الگوریتمهای زیادی پیشنهاد دادهاند. در این مقاله، یک الگوریتم خودکار برای آشکارسازی اسپایکهای عصبی در سیگنال ثبت خارج سلولی آغشته به نویز پسزمینه، ارائه شده است. این الگوریتم از چهار مرحله، شامل ۱- فیلتر کردن میانگذر و استفاده از فیلتر بالاگذر تفاضلی، ۲- اعمال فیلتر غیرخطی انرژی شانون، ۳- تبدیل هیلبرت و ۴- آستانهگذاری روی سیگنال به دست آمده، تشکیل شده است. روش پیشنهادی در این مقاله، با پنج روش شناخته شده در تشخیص اسپایک، روی دو مجموعهی دادهی شبیهسازی شده و یک مجموعهی دادهی واقعی، مورد مقایسه قرار گرفته است. نتایج به دست آمده، حاکی از برتری روش پیشنهادی نسبت به سایر روشها برای دادههای شبیهسازی شده، بوده که نشاندهندهی مقاوم بودن الگوریتم پیشنهادی نسبت به نویز میباشد. علاوه بر این، برای دادههای واقعی، روش پیشنهاد شده رتبهی دوم را در میان تمام روشها به خود اختصاص داده است. استفاده از فیلتر غیرخطی انرژی شانون، میتواند راهحل موثری برای تشخیص اسپایکهای عصبی در سیگنال ثبت خارج سلولی آغشته به نویز، به حساب آید.
فرناز صابرپور؛ محسن پرتو دزفولی؛ وحید شالچیان؛ محمدرضا دلیری
دوره 12، شماره 3 ، آذر 1397، ، صفحه 189-198
چکیده
تشخیص و تفکیک فرکانسهای مختلف صدا، یکی از مکانیسمهای مهم مغز انسان و سایر جانداران است. از سوی دیگر، یکی از قابلیتهای مهم مغز، که بار محاسباتی آن را در برابر محرکهای تکراری کم میکند، پدیدهی تطبیقپذیری است. هدف اصلی این مقاله، رمزگشایی فرکانسهای صوتی از پاسخ نورونی ناحیهی شنوایی مغز و بررسی تاثیر تطبیقپذیری بر دقت ...
بیشتر
تشخیص و تفکیک فرکانسهای مختلف صدا، یکی از مکانیسمهای مهم مغز انسان و سایر جانداران است. از سوی دیگر، یکی از قابلیتهای مهم مغز، که بار محاسباتی آن را در برابر محرکهای تکراری کم میکند، پدیدهی تطبیقپذیری است. هدف اصلی این مقاله، رمزگشایی فرکانسهای صوتی از پاسخ نورونی ناحیهی شنوایی مغز و بررسی تاثیر تطبیقپذیری بر دقت رمزگشایی فرکانسهای صوت میباشد. برای این منظور، فرکانسهای مختلف از تنهای صوتی در دو دنبالهی صدا (معمول و تطبیقی) پخش شده و سیگنالهای پتانسیل محلی از ناحیهی اولیهی شنوایی پانزده موش صحرایی در حالت بیهوشی، ثبت گردیده است. دنبالهی معمول، شامل محرکهای صوتی از ترکیب فرکانس-دامنهی مختلفی از صدا به طول 50 میلیثانیه و با فاصلهی بین محرکی 300 میلیثانیه بوده که به صورت تصادفی پخش شدند. دنبالهی تطبیقی، همانند دنبالهی معمول در نظر گرفته شد، با این تفاوت که در این دنباله، یک محرک در اطراف فرکانس مشخص، به عنوان محرک تطبیق، بین محرکهای اصلی و با توزیع تصادفی، در نظر گرفته شد که 80% از دنبالهی تطبیقی را به خود اختصاص میداد. در ابتدا، با در نظر گرفتن ویژگی طیف توان در شش باند فرکانسی و طبقهبند LDA، میانگین قدرت رمزگشایی جفت فرکانسهای صوتی در دنبالهی معمول محاسبه گردید. در قدم بعد، قدرت رمزگشایی جفت فرکانسها در دنبالهی تطبیقی در باندهای فرکانسی تعیین شده، محاسبه و با نتایج رمزگشایی در دنبالهی معمول مقایسه گردید. نتایج حاکی از آن است که رمزگشایی محرکهای صوتی با فرکانسهای مختلف در باندهای بتا و گاما (>12 هرتز) از سیگنالهای پتانسیل محلی با دقتی در حدود 80% انجام میشود. همچنین، پخش یک محرک، به عنوان محرک تطبیقپذیری که مانند یک پیشزمینه در دنبالهی صدا قرار دارد، باعث کاهش دقت تفکیکپذیری فرکانسهای مجاور صدا میشود. این اثر در فعالیتهای فرکانس بالای (گاما و گامای بالا) سیگنالهای پتانسیل محلی، به صورت معناداری مشاهده شد.
بیوالکتریک
امیر سلیمانخانی؛ وحید شالچیان
دوره 12، شماره 2 ، شهریور 1397، ، صفحه 85-96
چکیده
ثبت خارجسلولی فعالیت تکنورونهای مغزی به عنوان روشی پرطرفدار در تحقیقات حوزهی علوم اعصاب و مهندسی توانبخشی عصبی شناخته میشود. این ثبتها شامل فعالیت تمام نورونهای اطراف الکترود میشود که برای استفادهی بهتر از آنها باید با روشهای طبقهبندی اسپایک به فعالیت تکنورونها رسید. بر اساس ویژگیهای ساختاری نورون، مانند ...
بیشتر
ثبت خارجسلولی فعالیت تکنورونهای مغزی به عنوان روشی پرطرفدار در تحقیقات حوزهی علوم اعصاب و مهندسی توانبخشی عصبی شناخته میشود. این ثبتها شامل فعالیت تمام نورونهای اطراف الکترود میشود که برای استفادهی بهتر از آنها باید با روشهای طبقهبندی اسپایک به فعالیت تکنورونها رسید. بر اساس ویژگیهای ساختاری نورون، مانند درخت دندریتی آن و فاصله و جهت ثابتی که نسبت به الکترود ثبت دارد، میتوان نتیجه گرفت که شکل اسپایک تولیدی آن منحصر به فرد و ثابت است. با این حال انجام طبقهبندی پتانسیل عملها در مقادیر نسبت سیگنال به نویز پایین، همواره با چالشهایی همراه است. طبقهبندی اسپایکهای نورونی معمولا شامل سه بخش آشکارسازی، استخراج ویژگی و طبقهبندی میشود. در این مقاله، روشی بر مبنای بهینهسازی ضرایب ویولت پیوسته در مرحلهی استخراج ویژگیها ارائه شده که در مقادیر نسبت سیگنال به نویز پایین نیز کارایی خوبی دارد. در روش پیشنهادی، بعد از محاسبهی ضرایب ویولت پارامتریشده، با استفاده از معیارهای فاصلهی اقلیدسی و سطح زیر منحنی مشخصهی عملگر گیرنده در طبقهبندی دو گروه، بهترین پارامترها برای افزایش تفکیکپذیری ویژگیها انتخاب میشوند، به طوری که ابتدا مقیاس مناسب با معیار فاصلهی اقلیدسی پیدا شده و در نهایت انتقال زمانی با معیار دوم انتخاب میشود. در این پژوهش برای خوشهبندی از الگوریتم ساده و در عین حال کارامد k-means استفاده شده است. برای بررسی و ارزیابی روش پیشنهادی از سه مجموعه دادهی شبیهسازیشده استفاده گردید که در 9 حالت مختلف نسبت سیگنال به نویز و با مدلسازی نویز زمینه از نویز حقیقی ثبتشده تهیه شده بودند. نتایج به دست آمده از مرتبسازی دادههای شبیهسازیشده نشان داد که بهینهسازی پارامترهای تبدیل ویولت پیوسته با روش پیشنهادی میتواند در ارتقای کارایی طبقهبندی اسپایکها نسبت به روش آنالیز اجزای اصلی، موثر واقع شود.
مهندسی عصبی عضلانی
امیر مسعود احمدی؛ سپیده فراخور سقینسرا؛ محمدرضا دلیری؛ وحید شالچیان
دوره 11، شماره 1 ، اردیبهشت 1396، ، صفحه 83-100
چکیده
موضوع تحریک الکتریکی مغز و کاربردهای گسترده آن، یکی از موضوعات مهم در بحث فیزیولوژی عصبی است. در روشهای تحریک الکتریکی مغزی، پس از اجرای جراحی و کاشتن الکترود، پالسهای الکتریکی به سمت نقاط مشخص مغز ارسال میشود. این روش تحریک، مزایای درمانی برای کنترل دردهای مزمن، کنترل رعشه، کنترل بیماری پارکینسون، کنترل افسردگی و همچنین ...
بیشتر
موضوع تحریک الکتریکی مغز و کاربردهای گسترده آن، یکی از موضوعات مهم در بحث فیزیولوژی عصبی است. در روشهای تحریک الکتریکی مغزی، پس از اجرای جراحی و کاشتن الکترود، پالسهای الکتریکی به سمت نقاط مشخص مغز ارسال میشود. این روش تحریک، مزایای درمانی برای کنترل دردهای مزمن، کنترل رعشه، کنترل بیماری پارکینسون، کنترل افسردگی و همچنین کنترل اختلال حرکتیعصبی دارد. یکی از زمینههایی که در آن بهتازگی پیشرفتهای خوبی در آن صورت گرفته است، کنترل حرکت و جهتدهی حیوانات در مسیر خاص است. در تمام موارد ذکرشده، شناسایی نقاط هدف برای تحریک مناسب در ناحیه از مغز، اهمیت زیادی دارد. برای توسعة مدلهای رفتاری جدید و با هدف ایجاد یک بستر ارتباطی با سیستم عصبی حیوان در فرآیند یادگیری حرکت در موقعیتهای مکانی، از سیستم جهتدهی حیوان برمبنای تحریک الکتریکی استفاده میشود. از تحریک الکتریکی مغز هم بهعنوان راهنمایی با ایجاد حس مجازی و هم بهعنوان عامل انگیزشی با ایجاد حس پاداش مجازی برای هدایت و جهتدهی حیوان استفاده شده است. در این مقاله، مروری بر انواع رویکردها، اصول و روشهای تحریک الکتریکی مغزی استفادهشده در این کاربرد، انجام شده است.
مهندسی عصبی عضلانی
حسام مرادخانی؛ وحید شالچیان
دوره 10، شماره 4 ، دی 1395، ، صفحه 325-337
چکیده
هجیکنندة P300، یکی از رایجترین واسطهای مغز-کامپیوتر مبتنیبر ثبت الکتروانسفالوگرام است که تواناییهای ارتباطی سادهای را برای افراد دچار عارضههای شدید گفتاری یا حرکتی فراهم میکند، تا قادر باشند بهتر با محیط اطراف خود ارتباط برقرار کنند. استفاده از الگوی صفحة شطرنجی معرفیشده توسط Townsend و همکارانش [1]، بهجای الگوی سطری-ستونی، ...
بیشتر
هجیکنندة P300، یکی از رایجترین واسطهای مغز-کامپیوتر مبتنیبر ثبت الکتروانسفالوگرام است که تواناییهای ارتباطی سادهای را برای افراد دچار عارضههای شدید گفتاری یا حرکتی فراهم میکند، تا قادر باشند بهتر با محیط اطراف خود ارتباط برقرار کنند. استفاده از الگوی صفحة شطرنجی معرفیشده توسط Townsend و همکارانش [1]، بهجای الگوی سطری-ستونی، یکی از موفقترین الگوهای تحریک ارائهشده در مطالعات قبلی برای افزایش دقت هجیکننده بوده است. هدف روش پیشنهادی این مطالعه، که با عنوان الگوی شطرنجی با تحریک شکلک-تصویری نامگذاری شده است، بررسی اثر جایگزینی تحریک شکلک-تصویری در الگوی صفحة شطرنجی و مقایسة کارآیی آن با تحریک چشمک زدن کاراکترها است. در این مطالعه، چشمک زدن کاراکترها در الگوی شطرنجی را با نمایش یک شکلک-تصویری بهجای کاراکترها جایگزین کردیم. برای ارزیابی و مقایسة کارایی الگوی پیشنهادی با الگوی شطرنجی، برای هریک از دو الگو، هجیکننده روی دادههای ثبتشده از ده فرد سالم در فاز برون خط، تعلیم داده شد و دقت هجیکننده در فاز برخط محاسبه شد. ارزیابی آزمون برخط نشان داد، میانگین دقت طبقهبندی هجیکننده با استفاده از الگوی پیشنهادی این مطالعه نسبت به الگوی شطرنجی، 14% بهبود یافته است. یافتههای این مطالعه نشان میدهد که تحریک ناشی از نمایش شکلک-تصویری بهجای چشمک زدن کاراکترها، نقش مؤثری در افزایش دقت طبقهبندی هجیکننده داشته است.
رضا فوده؛ وحید شالچیان؛ محمدرضا دلیری
دوره 10، شماره 3 ، مهر 1395، ، صفحه 267-277
چکیده
استخراج ویژگیهای تفکیکپذیر، بخشی مهم در سیستمهای واسط مغز-کامپیوتر (BCI) است، که میتواند بر کارایی طبقهبندی، تاثیرگذار باشد. برای رسیدن به این هدف، الگوهای فضایی مشترک (CSP)، روشی متداول است که در سیستمهای BCI مبتنیبر تصورات حرکتی، استفاده میشود. CSP سعی میکند تا مناسبترین الگوهای فضایی در سیگنال الکتروانسفالوگرام (EEG) ...
بیشتر
استخراج ویژگیهای تفکیکپذیر، بخشی مهم در سیستمهای واسط مغز-کامپیوتر (BCI) است، که میتواند بر کارایی طبقهبندی، تاثیرگذار باشد. برای رسیدن به این هدف، الگوهای فضایی مشترک (CSP)، روشی متداول است که در سیستمهای BCI مبتنیبر تصورات حرکتی، استفاده میشود. CSP سعی میکند تا مناسبترین الگوهای فضایی در سیگنال الکتروانسفالوگرام (EEG) را برای تفکیک گروه های مختلف تصور حرکتی، استخراج کند. بهطور معمول پیش از اعمال CSP، سیگنالهای EEG در باند فرکانسی 30-8 هرتز، فیلتر میشوند تا ریتمهای مربوط به ناهمگامی وابسته به رویداد (ERD)، که میو و بتا نام دارند، استخراج شوند. با این حال، این باند فرکانسی ممکن است در افراد مختلف، یکسان نباشد؛ به همین دلیل، بهینه سازی فیلترهای طیفی در کنار فیلترهای فضایی، میتواند تأثیر بسزایی در بهبود صحت طبقهبندی داشته باشد. در این مقاله، با استفاده از الگوریتم تکاملی بهینه سازی ازدحام ذرات (PSO)، روش یادگیری نوینی را برای به دست آوردن همزمان فیلترهای طیفی و فضایی ارائه میدهیم. همچنین، از معیار اطلاعات متقابل بین ویژگیهای استخراجشده و برچسب گروهها، بهعنوان تابع هزینه استفاده میشود. شبیهسازیهای انجامشده روی مجموعه دادة یک از رقابت BCI، نشان میدهد که صحت طبقهبندی روش پیشنهادی، بهطور معناداری بیشتر از روشهای CSP و بانک فیلتر CSP (FBCSP)، با دو نوع بانک فیلتر متفاوت، است.