سیستم‌های واسط مغز-رایانه
مریم فرهادنیا؛ سپیده حاجی پور؛ محمد میکاییلی
دوره 17، شماره 1 ، خرداد 1402، ، صفحه 1-10
چکیده
امروزه استفاده از سیستم رابط مغز و رایانه (BCI) مبتنی بر پتانسیل‌های برانگیخته بینایی حالت ماندگار (SSVEP) به دلایلی همچون صحت قابل‌قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. پتانسیل‌های بینایی حالت ماندگار یکی از مهمترین الگوهای استفاده شده در سیستم‌های BCI هستند که در ناحیه پس‌سری مغز و با تحریک بینایی بین 6 تا 60 هرتز تولید ...
بیشتر
امروزه استفاده از سیستم رابط مغز و رایانه (BCI) مبتنی بر پتانسیل‌های برانگیخته بینایی حالت ماندگار (SSVEP) به دلایلی همچون صحت قابل‌قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. پتانسیل‌های بینایی حالت ماندگار یکی از مهمترین الگوهای استفاده شده در سیستم‌های BCI هستند که در ناحیه پس‌سری مغز و با تحریک بینایی بین 6 تا 60 هرتز تولید می‌شوند. یکی از روش‌های کارا برای استخراج فرکانس SSVEP در سیستم‌های BCI، روش تجزیه و تحلیل ضرایب همبستگی چندجهته (MCCA) نام دارد که تانسوری‌شده روش کلاسیک تجزیه و تحلیل ضرایب همبستگی (CCA) است و مبتنی بر داده‌های چندبعدی است. در این مقاله، با الهام از روش MCCA، دو الگوریتم جدید (PARAFAC-CCA و C-PARAFAC-CCA) با استفاده از ترکیب روش CCA و تجزیه تانسوری PARAFAC معرفی شده‌است که هدف الگوریتم‌های پیشنهادی بهبود سیگنال مرجع اولیه و دستیابی به صحت بالاتر در تشخیص فرکانس SSVEP در سیستم‌های BCI می‌باشد. در الگوریتم PARAFAC-CCA بعد از انجام تجزیه PARAFAC روی داده‌های چندبعدی آموزش و بدست آوردن مولفه زمانی، روش CCA را بین مولفه زمانی بدست آمده و سیگنال مرجع سینوسی-کسینوسی پیاده‌سازی نموده و از خروجی آن، سیگنال مرجع بهینه ساخته می‌شود. در نهایت از الگوریتم MLR بین داده تست EEG و سیگنال مرجع بهینه به منظور دستیابی به فرکانس هدف استفاده می‌شود. مراحل کلی الگوریتم C-PARAFAC-CCA نیز مشابه PARAFAC-CCA بوده، با این تفاوت که در محاسبه مولفه زمانی از PARAFAC مقید استفاده می‌شود به این صورت که در هر گام از الگوریتم ALS یک بار CCA اعمال‌شده و مولفه زمانی بهبود داده می‌شود. کارایی الگوریتم‌های ارائه شده بر روی مجموعه دادگان واقعی، مورد بررسی قرار گرفته و نشان داده شد که در مقایسه با روش MCCA، الگوریتم‌های پیشنهادی به طور میانگین به صحت تشخیصی بالاتری رسیده‌اند.
پردازش سیگنال‌های حیاتی
محمد شهاب شهوازیان؛ وحید ابوطالبی؛ محمدتقی صادقی
دوره 6، شماره 1 ، خرداد 1391، ، صفحه 35-47
چکیده
با ظهور دانش بیومتریک، روش‌های متداول تأیید هویت در سیستم‌های بیومتریک دچار دگرگونی شده‌اند و در حال جایگزینی با روش‌هایی بر پایة علایم حیاتی هستند. اخیراً کاربرد سیگنال الکتریکی مغز(EEG) در سیستم‌های بیومتریک به عنوان یک شاخه پژوهشی جذاب و کاربردی مورد توجه محققان قرار گرفته است. پژوهش‌های نسبتاً محدودی در زمینة بیومتریک سیگنال ...
بیشتر
با ظهور دانش بیومتریک، روش‌های متداول تأیید هویت در سیستم‌های بیومتریک دچار دگرگونی شده‌اند و در حال جایگزینی با روش‌هایی بر پایة علایم حیاتی هستند. اخیراً کاربرد سیگنال الکتریکی مغز(EEG) در سیستم‌های بیومتریک به عنوان یک شاخه پژوهشی جذاب و کاربردی مورد توجه محققان قرار گرفته است. پژوهش‌های نسبتاً محدودی در زمینة بیومتریک سیگنال الکتریکی مغز به‌خصوص در سیستم‌های تأیید هویت آن انجام شده است و اکثر تحقیقات بر سیستم‌های تعیین هویت EEGتمرکز داشته‌اند. در این مقاله کارایی سیگنال الکتریکی مغز به عنوان یک سیستم بیومتریک در تأیید هویت افراد نشان داده شده است.در سیستم بیومتریک معرفی شده، از سیگنال الکتریکی پانزده کاربر در حین انجام فعالیت ذهنی استفاده شده است. ترکیبی از ضرایب مدل خود بازگشتی(AR)، توان باندهای فرکانسی سیگنال مغز، چگالی طیف توان، آنتروپی انرژی و آنتروپی نمونه به‌عنوان ویژگی‌های مستخرج از سیگنال مغز و روش Kنزدیک‌ترین همسایه به‌عنوان طبقه‌بند، استفاده شده است. به‌منظور بهبود عملکرد سیستم تأیید هویت، علاوه بر بررسی ادغام در سطح حسگر و فضای ویژگی، امکان به‌کارگیری روش انتخاب ویژگی رفت و برگشتی نیز مطالعه شده است. نتایج آزمایش‌های ما بر روی پایگاه داده Shalkو همکارانش بیانگر این موضوع است که با ترکیب ویژگی‌های متفاوت و با به‌کارگیری سیگنال مغزی تک‌کاناله، عملکرد سیستم در دو روش تک‌بلوک و چند‌بلوک در مقایسه با سایر سیستم‌های تأیید هویت مبتنی بر سیگنال الکتریکی مغز به نحو چشمگیری بهبود می‌یابد و چشم انداز روشنی را از استفادة عملی و تجاری سیگنال الکتریکی مغز در سیستم‌های تأیید هویت آینده نشان می‌دهد.
پردازش سیگنال‌های حیاتی
علی خادم؛ غلامعلی حسین‌زاده
دوره 6، شماره 1 ، خرداد 1391، ، صفحه 57-69
چکیده
بررسی ارتباطات علّی (تأخیری) مغزی، از جایگاه مهمی در حوزه علوم اعصاب برخوردار است. معیارهای مرسوم اندازه‌گیری ارتباطات علّی (تأخیری) مغزی، عمدتاً پارامتری و مبتنی بر مدل هستند و فر‌ض‌های محدود‌کننده‌ای نسبت به ماهیت ارتباطات مغزی در نظر می‌گیرند. در سالهای اخیر، معیارهایی ناپارامتری برای رفع این نقیصه مطرح شده‌اند که از مهمترین ...
بیشتر
بررسی ارتباطات علّی (تأخیری) مغزی، از جایگاه مهمی در حوزه علوم اعصاب برخوردار است. معیارهای مرسوم اندازه‌گیری ارتباطات علّی (تأخیری) مغزی، عمدتاً پارامتری و مبتنی بر مدل هستند و فر‌ض‌های محدود‌کننده‌ای نسبت به ماهیت ارتباطات مغزی در نظر می‌گیرند. در سالهای اخیر، معیارهایی ناپارامتری برای رفع این نقیصه مطرح شده‌اند که از مهمترین آنها می‌توان آنتروپی انتقال (TE) را نام برد. این معیار در بستر تئوری اطلاعات و بر پایه مفهوم اطلاعات متقابل شرطی تعریف شده است. با وجود این، در حضور ارتباطات لحظه‌ای قوی -که به طور گسترده ای در داده‌های مغزی مشاهده می‌شوند- TE ممکن است در تخمین صحیح ارتباطات علّی (تأخیری) دچار اشتباه شود. در این پژوهش، دو معیار مبتنی بر تئوری اطلاعات با عنوان اندرکنش لحظه‌ای (II) و آنتروپی انتقال اصلاح شده (MTE) معرفی می‌شوند که معیار اول برای تخمین ارتباطات لحظه‌ای مغزی و معیار دوم برای تخمین ارتباطات علّی (تأخیری) مغزی در حضور ارتباط لحظه‌ای معنی‌دار به کار می‌رود. عملکرد این معیارها بر 3 مدل شبیه‌سازی و داده‌های الکتروانسفالوگرام (EEG) حالت استراحت مغزی با چشمان بسته بررسی شدند. نتایج شبیه‌سازی‌ها حاکی از توانایی زیاد II جهت تخمین ارتباطات لحظه‌ای خطی و غیرخطی است. همچنین بر طبق نتایج شبیه‌سازی‌ها اگر چه در حضور ارتباط لحظه‌ای معنی‌دار (II معنی‌دار) عملکرد TE در تشخیص ارتباطات علّی (تأخیری) تضعیف می‌شود؛ MTE به خوبی این نقیصه را جبران می‌کند. نتایج داده‌های EEG نشان می‌دهد که II ارتباطات لحظه‌ای معنی‌داری بین نواحی خلفی و نواحی قدامی مغز تخمین می‌زند و MTE در مقایسه با TE جریان اطلاعات از نواحی خلفی به نواحی قدامی را به طور معنی‌دارتری نشان می‌دهد که تطابق خوبی با نتایج تحقیقات گذشته در این حوزه دارد.
