سیستم‌های واسط مغز-رایانه
مرضیه علیرضایی علویجه؛ علی مالکی
دوره 16، شماره 1 ، اردیبهشت 1401، ، صفحه 1-9
چکیده
امروزه استفاده از سیستم رابط مغز-رایانه مبتنی بر پتانسیل‌های برانگیخته‌ی بینایی حالت ماندگار به دلیل مزایایی مانند صحت قابل قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. با وجود این مزایا، نویزهای ناخواسته‌ای که SSVEP را تحت تاثیر قرار می‌دهد از مسائلی است که می‌تواند سبب کاهش کارایی چنین سیستم‌هایی شود. در این مقاله از ...
بیشتر
امروزه استفاده از سیستم رابط مغز-رایانه مبتنی بر پتانسیل‌های برانگیخته‌ی بینایی حالت ماندگار به دلیل مزایایی مانند صحت قابل قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. با وجود این مزایا، نویزهای ناخواسته‌ای که SSVEP را تحت تاثیر قرار می‌دهد از مسائلی است که می‌تواند سبب کاهش کارایی چنین سیستم‌هایی شود. در این مقاله از الگوریتم EMD در مرحلهی ابتدایی و از روش‌های CCA یا LASSO برای بازشناسی فرکانس تحریک استفاده شده است. در گام اول، الگوریتم EMD اعمال شده است تا سیگنال غیرایستان SSVEP به توابعی نوسانی تجزیه شده و امکان استخراج ویژگی‌های بامعنی از سیگنال SSVEP فراهم شود. در بین IMF-های به دست آمده از روش EMD، تنها IMF-هایی انتخاب شده که دامنهی طیف فرکانسی آنها در محدودهی فرکانسی مربوط به تحریک بیشتر بوده است. با این گزینش میتوان سیگنال‌های حاوی نویز و فاقد اطلاعات ارزشمند را کنار گذاشت. در ادامه دو روش تشخیصی CCA و LASSO روی مجموع سیگنال‌های انتخابی اجرا شده است تا به کمک آنها فرکانس تحریک شناسایی شود. نتایج شبیهسازی، صحت بازشناسی 76/81 و 26/82 درصد را به ترتیب برای روش‌های EMD-CCA و EMD-LASSO نشان داده در حالی که دو روش پایه‌ی CCA و LASSO به ترتیب دارای صحتهای 10/78 و 72/78 درصد میباشند.
پردازش سیگنال‌های حیاتی
محمدداود خلیلی؛ وحید ابوطالبی؛ حمید سعیدی سورک
دوره 16، شماره 1 ، اردیبهشت 1401، ، صفحه 75-94
چکیده
مغز انسان جزو شبکه‌های پیچیده و ناهمگن محسوب می‌شود و سیگنال‌های مغز حاوی اطلاعات زیادی هستند، از این رو محققان این حوزه همواره در صدد یافتن راه حل‌هایی مناسب برای انتخاب ویژگی‌های معنادار و کاهش بعد مناسب این اطلاعات بوده تا به طبقه‌بندی بهتری دست یابند. دو مورد از ابزارهای نوین برای پردازش سیگنال‌های مغزی، پردازش سیگنال روی ...
بیشتر
مغز انسان جزو شبکه‌های پیچیده و ناهمگن محسوب می‌شود و سیگنال‌های مغز حاوی اطلاعات زیادی هستند، از این رو محققان این حوزه همواره در صدد یافتن راه حل‌هایی مناسب برای انتخاب ویژگی‌های معنادار و کاهش بعد مناسب این اطلاعات بوده تا به طبقه‌بندی بهتری دست یابند. دو مورد از ابزارهای نوین برای پردازش سیگنال‌های مغزی، پردازش سیگنال روی گراف (GSP) و روش‌های فراابتکاری و تکاملی هستند. در روش پیشنهادی این مقاله، دو ساختار هندسی و ترکیبی برای گراف مغز در نظر گرفته شده که در ساختار ترکیبی، وزن یال‌ها، ترکیب وزن‌دار دو معیار فاصله‌ی هندسی و همبستگی است. به منظور کاهش بعد گرافی، از معیار درجه‌ی وزن‌دار و ترکیب روش کاهش کرون با تبدیل فوریه روی گراف (KG) استفاده شده است تا به نحو مناسبی اطلاعات تمام راس‌های گراف در رئوس منتخب حفظ شود. استخراج ویژگی توسط تخمین لدویت-وولف و روش نگاشت فضای مماسی انجام شده و برای کاهش بعد ویژگی‌های مستخرج، از روش تحلیل مولفه‌های اصلی (PCA) و انتخاب ویژگی بر اساس تکامل تفاضلی (DE) استفاده شده است. ویژگی‌های منتخب به چندین طبقه‌بند معروف حوزه‌ی یادگیری ماشین داده شده است. برای ارزیابی عمل‌کرد روش پیشنهادی از دادگان IV-a مسابقات BCI-III بهره گرفته شده است. نتایج نشان می‌دهد که میانگین صحت طبقه‌بندی روش پیشنهادی KG-PCA با طبقه‌بندهای ماشین بردار پشتیبان با تابع پایه‌ی شعاعی (SVM-RBF) و درخت تصمیم (DT) در گراف ساختاری و گراف ساختاری-عمل‌کردی نسبت به روش TSM-GFT در مطالعات پیشین بالاتر بوده و طبقه‌بند DT به میانگین درصد صحت 17/1±15/91 دست یافته است. هم‌چنین طبق نتایج به دست آمده، عمل‌کرد روش پیشنهادی KG-DE در مقایسه با KG-PCA نیز بهتر بوده و در بهترین حالت، متوسط درصد صحت طبقه‌بند SVM-RBF برابر با 27/1±50/95 به دست آمده است.
سیستم‌های واسط مغز-رایانه
فاطمه قمی؛ امین مهنام؛ محمدرضا یزدچی
دوره 12، شماره 2 ، شهریور 1397، ، صفحه 97-109
چکیده
در چند دهه‌ی اخیر، رابط مغز-رایانه‌ی مبتنی بر تصور حرکت به صورت گسترده برای کمک به افراد مبتلا به اختلال حرکتی، مورد توجه قرار گرفته است. مزیت این نوع رابط، به عنوان سیستمی درون‌زاد، عدم نیازبه تحریک خارجی و کنترل طبیعی می‌باشد. یکی از مشکلات اصلی در کاربردی‌کردن این سیستم، نیاز به نصب تعداد زیادی الکترود روی سر است که سبب ...
بیشتر
در چند دهه‌ی اخیر، رابط مغز-رایانه‌ی مبتنی بر تصور حرکت به صورت گسترده برای کمک به افراد مبتلا به اختلال حرکتی، مورد توجه قرار گرفته است. مزیت این نوع رابط، به عنوان سیستمی درون‌زاد، عدم نیازبه تحریک خارجی و کنترل طبیعی می‌باشد. یکی از مشکلات اصلی در کاربردی‌کردن این سیستم، نیاز به نصب تعداد زیادی الکترود روی سر است که سبب افزایش هزینه‌ی تجهیزات، افزایش حجم محاسبات و هم‌چنین دشوارتر شدن استفاده از آن برای کاربر، به دلیل زمان‌بر بودن نصب الکترودها، می‌شود. تحقیقات اخیر، در جهت کاهش تعداد الکترودهای مورد نیاز با حفظ کارایی سیستم بوده است. هدف از این پژوهش، بررسی ویژگی‌ها و انتخاب ترکیبی مناسب برای تشخیص تصور حرکت با استفاده از تنها دو کانال (C3و C4) برای ثبت سیگنال مغز بوده است. به این منظور، از روش توان باند، پارامترهای حوزه‌ی زمان و مدل خودبازگشتی تطبیقی، به عنوان ویژگی و از روش شناخته شده و ساده‌ی آنالیز افتراقی خطی جهت طبقه‌بندی استفاده شد. نتایج نشان داد که ویژگی‌هایتوان باند، بیش‌ترین سازگاری و اثربخشی را برای تفکیک دقیق وظایفتصور حرکتی چپ و راست دارند. هم‌چنین، الگوریتم پیشنهادی به صورت ترکیب ویژگی توان باندبا پارامترهای حوزه‌ی زمان ومدل خودبازگشتی تطبیقی، سبب بهبود عمل‌کرد طبقه‌بندی گردید. نتایج روی داده‌های سومین دوره‌ی مسابقات رابط مغز-رایانه توانست جایگاه دوم را بین رقابت‌کنندگان اصلی مسابقه، با بیشینه‌ی STMIبرابر 2582/0 به دست آورد. در پردازش نابرخط، وظایفتصور حرکتی دستچپ و راست با صحت متوسط برابر با 85 درصد و کاپای 70 درصد تشخیص داده شد، هم‌چنین نتایج بیان‌گر انتقال اطلاعات خروجی گسسته‌ی 39/0 و پیوسته‌ی 45/0 و سطح زیرمنحنی عملیاتی دریافت‌کننده‌ی 91/0 بود. نتایج این مقاله نشان می‌دهد که ویژگی‌های جدید، به طور برجسته در هنگام استفاده از ترکیب هر سه دسته‌ی ویژگی، به بهبود عمل‌کرد طبقه‌بندی سیستم واسط مغز-رایانه‌ی دو کاناله منجر می‌شود و در ضمن، الگوریتم پیشنهادی برای افراد جدید نیز کارایی قابل مقایسه‌ای را ارائه کرده است.
