زهرا امینی؛ وحید ابوطالبی؛ محمدتقی صادقی
دوره 4، شماره 4 ، اسفند 1389، ، صفحه 293-306
چکیده
دراین مقاله سیستمی مبتنی بر بازشناسی آماری الگو جهت تفکیک سیگنالهای حاوی P300 و فاقد آن، ارائه میشود. این سیستم- که بر روی دادگان P300-Speller مسابقات BCI 2005 کار میکند- از چهار بخش اصلی پیشپردازش، استخراج ویژگی، انتخاب ویژگی و طبقهبند تشکیل شده که تأکید اصلی این مقاله بر بخش استخراج ویژگی و بررسی کارایی ویژگیهای مختلف است. در مرحلة ...
بیشتر
دراین مقاله سیستمی مبتنی بر بازشناسی آماری الگو جهت تفکیک سیگنالهای حاوی P300 و فاقد آن، ارائه میشود. این سیستم- که بر روی دادگان P300-Speller مسابقات BCI 2005 کار میکند- از چهار بخش اصلی پیشپردازش، استخراج ویژگی، انتخاب ویژگی و طبقهبند تشکیل شده که تأکید اصلی این مقاله بر بخش استخراج ویژگی و بررسی کارایی ویژگیهای مختلف است. در مرحلة استخراج ویژگی، شش دسته ویژگی شامل قطعهبندی هوشمند، ضرایب موجک، الگوهای مکانی مشترک، ویژگیهای شکلی- زمانی، ویژگیهای فرکانسی و دسته ویژگی ترکیبی الگوهای مکانی مشترک و قطعهبندی، تعریف شدند که برخی از این ویژگیها (مانند ویژگیهای قطعهبندی هوشمند، الگوهای مکانی مشترک و ترکیبی) تا کنون یا مستقیماً برای آشکارسازی P300 به کار نرفته بودند و یا در موارد بسیار معدودی از آنها استفاده شده بود. سپس ویژگیها با معیارهای مختلفی به صورت تک تک و گروهی ارزیابی شدند و در نهایت ترکیبی بهینه از مجموع این ویژگیها به طبقهبند SWLDA داده شد. بدین ترتیب درصد صحت تشخیص مؤلفة P300 با این سیستم به 05/97% رسید که در قیاس با نتایج مطالعات قبلی در این حوزه، نتیجة برتری است.
پردازش سیگنالهای حیاتی
وحید ابوطالبی؛ محمدحسن مرادی؛ محمدعلی خلیلزاده
دوره -1، شماره 1 ، آبان 1383، ، صفحه 25-45
چکیده
مولفه P300 یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها ...
بیشتر
مولفه P300 یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها نشان می دهد اغلب پردازش های شناختی مورد بررسی در ویژگی های مربوط به باندهای دلتا و تتا بروز یافته اند و هر دسته شامل چند ویژگی، مربوط به یکی از زیرپردازش های درگیر در طی تولید P300 هستند. هدف از این تحقیق، به عنوان یک گام اولیه برای طراحی روشی برای دروغ سنجی با استفاده از امواج مغزی، پیاده سازی سیستمی بوده که بتواند از روی این ویژگی ها، تک ثبت های حاوی موج P300 را از تک ثبت های فاقد این موج تفکیک نماید.برای این منظور در مرحله اول با استفاده از "تحلیل تفکیکی قدم به قدم" یک تابع تفکیک بهینه به صورت ترکیب خطی نه عدد از این ویژگی ها طرح شد که قادر است با دقت حدود 75 درصد در دادگان آموزش و 71 درصد در دادگان آزمون، تک ثبت های مربوط به تحریک های هدف و غیرهدف را از یکدیگر جدا کند. بررسی های بیشتر نشان داد تنها با استفاده از سیگنال ثبت شده در کانالPz نیز می توان تقریبا به همین میزان تفکیک رسید. در مرحله بعد، برای دسته بندی داده ها از یک استراتژی یاد گیری مدولار متکی به آنالیز مولفه های اصلی و شبکه های عصبی استفاده شد. در نهایت با تعلیم این سیستم با ثبت های موجود، در بهترین وضعیت از حالات پیاده سازی شده، حداکثر دقت تفکیک حدود 76 درصد روی دادگان آموزش و حدود 72 درصد روی دادگان آزمون به دست آمد.