TY - JOUR ID - 13079 TI - استفاده از طبقه‌بند PCVM در سیستم واسط مغز- رایانه کاربرفرما به منظور بهبود تشخیص حرکت پا JO - نشریه‌ی علمی مهندسی پزشکی زیستی JA - IJBME LA - fa SN - 5869-2008 AU - محمدی, راحله AU - محلوجی‌فر, علی AD - دانشجوی دکتری مهندسی پزشکی، گروه بیوالکتریک، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس AD - دانشیار، گروه بیوالکتریک، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس Y1 - 2013 PY - 2013 VL - 7 IS - 1 SP - 39 EP - 55 KW - سیستم‌های واسط مغز-رایانه کاربرفرما KW - فیلترهای Constant-Q KW - طبقه‌بند PCVM DO - 10.22041/ijbme.2013.13079 N2 - اساس سیستم‌های‌ واسط مغز-رایانه(BCI)کاربرفرما آشکارسازی و تشخیص بازه‌های رخداد یک فعالیت ذهنی مانند تصور حرکت از سیگنال خودبخودی مغز است که این مسأله به دلیل ماهیت غیرایستان و پیچیده سیگنال الکتروانسفالوگرام (EEG) مهمترین چالش در طراحی سیستم‌هایBCIاست. در این مقاله برای اولین بار از یک الگوریتم جدید طبقه‌بندی مبتنی بر یادگیری تنک به نامPCVM در طراحی سیستمBCIکاربرفرما استفاده شده است. هدف اصلی مقاله بررسی میزان موفقیت این طبقه‌بند در آشکارسازی بازه‌های وقوع حرکت پا در سیگنال پیوستهEEG است.PCVMدر مقایسه باSVM-که تاکنون عملکرد بسیار موفقی در سیستم‌هایBCI مبتنی بر حرکت و تصور حرکت داشته است- مزایای قابل توجهی از جمله ارائه خروجی به صورت احتمال تعلق دادگان به هر یک از طبقه‌ها و همچنین تعیین پارامترهای بهینه کرنل همزمان در الگوریتم یادگیری دارد. بعلاوه در این مقاله از فیلترهای با ضریب کیفیت ثابت به منظور تجزیه فرکانسی سیگنال استفاده شده است که به دلیل ماهیت قدرت تفکیک متغیر زمانی و فرکانسی در فرکانس‌های مرکزی مختلف، نقش مؤثرتری در تمایز الگوهای مربوط به بازه حرکت از سیگنال پس‌زمینه مغزی ایفا می‌کند. متوسط نتایج حاصل از طراحی سیستم کاربرفرما با استفاده از روش پیشنهاد شده در این مقاله برای دادگان ثبت شده از 7 کاربر حین انجام حرکت پا  بصورت %90= TPRو %4= FPRبدست آمد که در مقایسه با کارهای پیشین برای همین مجموعه دادگان، بهبود قابل ملاحظه‌ای (16% بهبودTPR و 2% بهبودFPR) حاصل شد. UR - https://www.ijbme.org/article_13079.html L1 - https://www.ijbme.org/article_13079_08ca1df8a038d5ac1ec5e9a13e67ce08.pdf ER -