مهندسی مغز و اعصاب
محمدرضا نظری؛ محمدرضا دلیری؛ علی مطیع نصرآبادی
دوره 16، شماره 1 ، اردیبهشت 1401، ، صفحه 51-62
چکیده
توجه بینایی به عنوان یک فاکتور شناختی در پردازش اطلاعات ذهنی مرتبه‌ی بالاتر که در مغز اتفاق می‌افتد، نقشی اساسی دارد و بر فعالیت مغزی نواحی مختلف قشر بینایی اثرگذار است. در میان ثبت‌های مختلف مغزی، سیگنال پتانسیل میدانی محلی به دلیل ثبات، استحکام و محتوای فرکانسی، در مطالعات ساختار مغز، فرایندهای شناختی و سیستمهای BCI مورد توجه ...
بیشتر
توجه بینایی به عنوان یک فاکتور شناختی در پردازش اطلاعات ذهنی مرتبه‌ی بالاتر که در مغز اتفاق می‌افتد، نقشی اساسی دارد و بر فعالیت مغزی نواحی مختلف قشر بینایی اثرگذار است. در میان ثبت‌های مختلف مغزی، سیگنال پتانسیل میدانی محلی به دلیل ثبات، استحکام و محتوای فرکانسی، در مطالعات ساختار مغز، فرایندهای شناختی و سیستمهای BCI مورد توجه قرار گرفته است. بنابراین استخراج و تفسیر اطلاعات سیگنال LFP در طول توجه بینایی یکی از مسائل مهم برای کنترل فعالیت‌های شناختی است. امروزه تزویج متقابل فرکانس به عنوان یکی از استراتژی‌های کدگذاری اطلاعات در مغز مطرح است که می‌تواند نقش مهمی در ادراک، حافظه و توجه داشته باشد. با این حال نقش عمل‌کردی آن به منظور رمزگشایی توجه بینایی با استفاده از LFP کم‌تر مورد مطالعه قرار گرفته است. در این پژوهش رمزگشایی توجه بینایی با استفاده از LFP ثبت شده از ناحیه‌ی تمپورال میانی مغز میمون مورد بررسی قرار گرفته است. بدین منظور از ویژگیهای تزویج فاز-فاز و فاز-دامنه و الگوریتمهای یادگیری ماشین بهره گرفته شده است. نتایج نشان میدهد که با ویژگیهای بهینه‌ی انتخاب شده و طبقه‌بند ماشین بردار پشتیبان، بهترین عمل‌کرد رمزگشایی حاصل شده است (36/90%). همچنین از میان ویژگیهای انتخاب شده، تزویج گاما-دلتا، گاما-آلفا و بتا-دلتا حاوی بیش‌ترین اطلاعات شناختی و موثرترین ویژگی‌ها در بهبود عمل‌کرد رمزگشایی توجه بینایی می‌باشند. نتایج نشان میدهد که تزویج بین باندهای فرکانسی سیگنالهای LFP حاوی اطلاعات قابل توجهی در حوزه‌ی توجه بینایی است و می‌تواند جایگزین مناسبی برای ویژگیهای زمان-فرکانس سیگنالهای مغزی در سیستمهای BCI شناختی باشد.
مریم فاطمی؛ محمدرضا دلیری
دوره 13، شماره 4 ، دی 1398، ، صفحه 327-336
چکیده
کنترل پروتز عصبی به منظور بازیابی عمل‌کرد دست افراد مبتلا به فلج اندامهای فوقانی، یکی از کاربردهای مهم سیستمهای BCI میباشد. توانایی گرفتن اجسام، از ابتداییترین نیازها برای انجام کارهای روزانه بوده و از این رو برای عمل‌کرد صحیح پروتز عصبی، لازم است تا کاربر بتواند مقدار نیروی لازم برای گرفتن اجسام را کنترل کند. به همین دلیل ...
بیشتر
کنترل پروتز عصبی به منظور بازیابی عمل‌کرد دست افراد مبتلا به فلج اندامهای فوقانی، یکی از کاربردهای مهم سیستمهای BCI میباشد. توانایی گرفتن اجسام، از ابتداییترین نیازها برای انجام کارهای روزانه بوده و از این رو برای عمل‌کرد صحیح پروتز عصبی، لازم است تا کاربر بتواند مقدار نیروی لازم برای گرفتن اجسام را کنترل کند. به همین دلیل افزایش دقت رمزگشایی پیوسته‌ی نیرو موضوعی مهم برای عمل‌کرد صحیح این نوع سیستمهای BCI میباشد. در اغلب پژوهشهای صورت گرفته در زمینه‌ی رمزگشایی نیرو از مدلهای خطی مانند فیلتر وینر، فیلتر کالمن و PLS استفاده شده و تا کنون تاثیر استفاده از مدلهای غیرخطی بر دقت رمزگشایی نیرو مورد بررسی قرار نگرفته است. هدف این پژوهش، بررسی تاثیر استفاده از مدلهای رگرسیون غیرخطی مبتنی بر توابع کرنل بر دقت رمزگشایی نیروی دست موش صحرایی با استفاده از سیگنالهای پتانسیل میدانی محلی میباشد. بدین منظور روشهای رگرسیون ستیغی، PCR و PLS در نظر گرفته شده و با استفاده از تابع کرنل گوسی، از تعمیمیافته‌ی غیرخطی آن‌ها برای تخمین پیوسته‌ی نیرو بهره گرفته شده است. ارزیابی و مقایسه‌ی روشهای رگرسیون ستیغی کرنلی، PCR کرنلی و PLS کرنلی نشان میدهد که در نظر گرفتن ارتباطات غیرخطی بین ویژگیهای سیگنال مغزی، دقت رمزگشایی نیرو را نسبت به مدلهای خطی بهبود می‌بخشد. درصد بهبود میانگین ضریب R2 برابر با 7/12% برای روش رگرسیون ستیغی کرنلی نسبت به روش ستیغی، 5/25% برای روش PCR کرنلی نسبت به PCR و 1/19% برای روش PLS کرنلی نسبت به PLS به دست آمده است. بهترین دقت رمزگشایی نیرو نیز به ازای روش رگرسیون ستیغی کرنلی، با میانگین ضریب همبستگی 72% و مقدار R2 برابر با 62/0 به دست آمده است.
سیده سعیده زاهدی حقیقی؛ سید محمود سخایی؛ محمدرضا دلیری
دوره 13، شماره 2 ، شهریور 1398، ، صفحه 95-104
چکیده
یکی از راه‌های ارتباط انسان و کامپیوتر بر پایه‌ی شناخت احساسات است. در این مقاله، مساله‌ی تشخیص احساسات با استفاده از سیگنال الکتروانسفالوگرام (EEG) مورد بررسی قرار گرفته است. در ابتدا، با توجه به خاصیت غیرایستایی EEG، توابع مد ذاتی (IMF) با استفاده از تجزیه‌ی مد تجربی (EMD) استخراج شده و سپس ۳ IMF اول انتخاب شده است. هر IMF با پنجره‌‌ای یک ...
بیشتر
یکی از راه‌های ارتباط انسان و کامپیوتر بر پایه‌ی شناخت احساسات است. در این مقاله، مساله‌ی تشخیص احساسات با استفاده از سیگنال الکتروانسفالوگرام (EEG) مورد بررسی قرار گرفته است. در ابتدا، با توجه به خاصیت غیرایستایی EEG، توابع مد ذاتی (IMF) با استفاده از تجزیه‌ی مد تجربی (EMD) استخراج شده و سپس ۳ IMF اول انتخاب شده است. هر IMF با پنجره‌‌ای یک ثانیهای به تکههای کوچکتری تبدیل شده و ویژگی توان از هر قسمت استخراج شده است. سپس با استفاده از یک نگاشت مناسب، موقعیت الکترودها درسیستم ۱۰-۲۰ به موقعیت پیکسلها در یک تصویر تبدیل شده و ویژگیهای استخراج شده به عنوان مولفههای رنگ پیکسل در نظر گرفته شده است. برای تعیین کلاس ظرفیت، تمام تصاویر تولید شده به عنوان ورودی به یک شبکه‌ی یادگیری عمیق داده شده و کلاس بالا یا پایین ظرفیت (خروجی شبکه) مشخص شده است. از همین روش برای تعیین کلاس برانگیختگی نیز استفاده شده است. برای بررسی روش پیشنهادی از پایگاه داده‌ی DEAP استفاده شده است. با انتخاب تصویر با اندازه‌ی ۱۷×۱۷، میانگین دقت و انحراف معیار طبقه‌بندی برای ظرفیت برابر با 58/78% و 9/3 و برای برانگیختگی برابر با 66/78% و 1/3 به دست آمده که در مقایسه با نتایج کارهای مشابه بهبود قابل توجهی داشته است.
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.
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.
پردازش سیگنالهای حیاتی
سعیده داودی؛ محمدرضا دلیری
دوره 11، شماره 3 ، آبان 1396، ، صفحه 265-273
چکیده
تنوع وظایف مغز نشان میدهد که تعامل بین فعالیت نوسانی در باندهای فرکانسی مختلف، مکانیزم‌های کلی ارتباط عصبی را شکل میدهد. روشی که اخیرا برای کدگذاری اطلاعات در مغز مورد استفاده قرار میگیرد، روش هم‌گامی فاز میباشد، که به فرایندی اطلاق میشود که از طریق آن دو یا چند سیگنال چرخه‌ای، با نوسان تکراری از زاویه‌های فاز نسبی ...
بیشتر
تنوع وظایف مغز نشان میدهد که تعامل بین فعالیت نوسانی در باندهای فرکانسی مختلف، مکانیزم‌های کلی ارتباط عصبی را شکل میدهد. روشی که اخیرا برای کدگذاری اطلاعات در مغز مورد استفاده قرار میگیرد، روش هم‌گامی فاز میباشد، که به فرایندی اطلاق میشود که از طریق آن دو یا چند سیگنال چرخه‌ای، با نوسان تکراری از زاویه‌های فاز نسبی نوسان میکنند. برخی مطالعات، نقش محوری هم‌گامی فاز را در آزمایشهای شناختی نشان داده‌اند. در این مقاله، ما نقش این معیار را در یک وظیفهی جدید بینایی تمایز رنگ بررسی کردهایم. بدین منظور، سیگنال الکتروانسفالوگرافی را برای 15 سوژه، در طی وظیفهی بینایی تمایز رنگ جمعآوری نمودهایم. سپس، از الگوریتم یادگیری ماشین، ماشین بردار پشتیبان، استفاده شد تا توانایی معیار هم‌گامی فاز در تمایز دو حالت، یعنی تفکیک دو رنگ آبی و نارنجی، در وظیفهی بینایی مورد نظر مشخص گردد. نتایج نشان میدهد که این معیار با دقت کلاسبندی 75% می‌تواند در طبقه‌بندی دو حالت مختلف در وظیفهی بینایی مورد استفاده قرار گیرد. همچنین، باندهای فرکانسی موثر و الکترودهایی که موثرترین ویژگی‌ها از آن‌ها استخراج شدهاند، نشان داده شده است.
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.
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.
