پردازش سیگنالهای حیاتی
عارف عینیزاده؛ سپیده حاجیپور
دوره 14، شماره 3 ، مهر 1399، ، صفحه 221-233
چکیده
سیگنال الکتریکی مغز به دلیل سهولت در ثبت، غیرتهاجمی بودن و دقت بالا کاربرد بسیار گستردهای در حوزههای کلینیکی و تحقیقات دانشگاهی پیدا کرده است که از آن جمله میتوان به بازشناسی احساس از روی سیگنال الکتریکی مغز اشاره کرد. برای مشخص کردن نوع احساس برانگیخته عموما از دو معیار خوشایندی و انگیختگی استفاده شده که به ترتیب میزان مثبت ...
بیشتر
سیگنال الکتریکی مغز به دلیل سهولت در ثبت، غیرتهاجمی بودن و دقت بالا کاربرد بسیار گستردهای در حوزههای کلینیکی و تحقیقات دانشگاهی پیدا کرده است که از آن جمله میتوان به بازشناسی احساس از روی سیگنال الکتریکی مغز اشاره کرد. برای مشخص کردن نوع احساس برانگیخته عموما از دو معیار خوشایندی و انگیختگی استفاده شده که به ترتیب میزان مثبت یا منفی بودن و میزان برونفکنی یا هیجان ایجاد شده را برای یک احساس خاص مشخص مینمایند. اهمیت احساس با توجه به عکسالعملهای ناشی از این پدیده در انجام وظایف روزانه به خصوص در فعالیتهایی که به دقت و تمرکز نیاز دارند مشخص میشود. در مسالهی بازشناسی احساس ابتدا احساسات مختلف با استفاده از محرکهای حسی مناسب برای سوژههای مورد بررسی ایجاد شده و سیگنالهای مغزی متناظر با هر تحریک ثبت میشود. دو مرحلهی پردازش اصلی در حل مسالهی بازشناسی احساسات، استخراج ویژگیهای مناسب و استفاده از طبقهبندها یا رگرسیونهای مناسب است. در پژوهشهای پیشین محرکهای مختلف بینایی و شنوایی مورد استفاده قرار گرفته و ویژگیها و طبقهبندهای متنوع خطی و غیرخطی بررسی شده است. هدف این مقاله بهبود الگوریتمهای رگرسیون خطی برای تخمین بهتر معیارهای بازشناسی احساسات انسانی است. بدین منظور یک الگوریتم جدید ارائه شده است که از تنک بودن بردار ترکیب در کنار تابع هزینهی رگرسیون خطی استفاده میکند. کارایی الگوریتم ارائه شده روی دادههای ساختگی مورد بررسی قرار گرفته و برتری آن نسبت به الگوریتمهای رگرسیون خطی PLS، LASSO، SOPLS و Ridge نشان داده شده است. همچنین برای اعمال الگوریتم ارائه شده روی دادههای EEG مربوط به بازشناسی احساسات از مجموعهی دادگان DEAP استفاده شده و ویژگی ضرایب مدل AR از سیگنالهای EEG استخراج شده است. نتایج به دست آمده از الگوریتم پیشنهادی با نتایج سایر الگوریتمها مقایسه شده است که در مجموع برتری نسبی الگوریتم ارائه شده را نشان میدهد.
مهندسی عصبی عضلانی
سیده تهمینه ساداتی؛ محمدرضا دلیری
دوره 12، شماره 1 ، خرداد 1397، ، صفحه 1-10
چکیده
واسط مغز-کامپیوتر سیستمی است که بر اساس فعالیت عصبی تولید شده توسط مغز عمل میکند و در سالهای اخیر مورد توجه بسیاری از محققان قرار گرفته است. این واسطها مستقل از مسیر خروجی متداول اعصاب محیطی و ماهیچهها بوده و به دلیل توانایی آنها در فراهم ساختن بعد جدیدی در ارتباطات و یا کنترل دستگاه برای افراد ناتوان، بسیار حائز اهمیت میباشند. ...
بیشتر
واسط مغز-کامپیوتر سیستمی است که بر اساس فعالیت عصبی تولید شده توسط مغز عمل میکند و در سالهای اخیر مورد توجه بسیاری از محققان قرار گرفته است. این واسطها مستقل از مسیر خروجی متداول اعصاب محیطی و ماهیچهها بوده و به دلیل توانایی آنها در فراهم ساختن بعد جدیدی در ارتباطات و یا کنترل دستگاه برای افراد ناتوان، بسیار حائز اهمیت میباشند. فعالیت عصبی مورد استفاده در واسط مغز-کامپیوتر، میتواند توسط روشهای تهاجمی یا غیرتهاجمی مختلفی ثبت شده و توسط الگوریتمهای رمزگشایی متفاوتی به سیگنال مطلوب تبدیل گردند، که هر یک نیز کارایی متفاوتی از خود نشان میدهند. در این مطالعه، از 3 موش صحرایی (رت) برای انجام حرکتی شامل فشردن یک کلید و دریافت یک قطرهی آب توسط اهرم متحرک (در صورت انجام صحیح وظیفه) استفاده شده است. با کاشت یک آرایهی میکروالکترودی 16 کاناله در قشر حرکتی رتها (به روش تهاجمی)، سیگنال مرتبط با نیروی اعمالی توسط دست، از مغز آنها در حین انجام وظیفه ثبت شده و بهطور همزمان سیگنال نیروی دریافتی توسط سنسور نیز ذخیره گشته است. با انجام پیشپردازشهای لازم روی دادههای اسپایک و استخراج نرخهای آتش سیگنال، به عنوان بردار ویژگی، توسط لغزاندن یک پنجرهی گوسی روی قطارهای اسپایک، ورودیهای لازم برای الگوریتم رمزگشایی، که در اینجا رگرسیون خطی میباشد، به دست آمده است. از دو الگو به عنوان روشهای ارزیابی استفاده شده است. الگوی اول، بر مبنای در نظرگرفتن 60% اولیهی سیگنال به عنوان مجموعهی آموزشی و 40% انتهایی به عنوان مجموعهی آزمایشی استوار بوده و مبنای الگوی دوم، برعکس الگوی اول میباشد. از ضریب همبستگی بین بردار ویژگی و سیگنال آموزشی نیروی واقعی استفاده شده است، تا ویژگیهایی با ضریب همبستگی بیش از 3/0 به عنوان ویژگیهای مطلوب انتخاب گردند تا کارایی الگوریتم رمزگشایی با اعمال روش انتخاب ویژگی نیز بررسی شود. روشهای متعددی برای ارزیابی الگوریتم رمزگشایی وجود دارد، که در این پژوهش از معیار ضریب همبستگی و ضریب تعیین استفاده شده است که اندازهی آنها رابطهی مستقیمی با کارایی روش رمزگشایی دارد. در این مطالعه، همبستگی و ضریب تعیین بین سیگنال نیروی واقعی و سیگنال پیشبینی شده توسط روش رگرسیون خطی، به صورت میانگین در سه جلسه و سه رت، به ترتیب برابر با 56/0 و 2/0 برای الگوی اول و 55/0 و 30/0 برای الگوی دوم میباشد. این نتایج نشان میدهد که با استفاده از نرخ آتش نورونهای مغزی، میتوان متغیرهای حرکتی مانند نیرو را پیشبینی کرد. همچنین روش رگرسیون خطی روشی مناسب برای رمزگشایی سیگنال پیوستهی نیرو میباشد و سیگنال واقعی را به خوبی دنبال میکند.