TY - JOUR ID - 13198 TI - بهبود آشکارسازی مؤلفة P300 با استفاده از تلفیق روش‌های مختلف زمانی، فرکانسی و مکانیِ استخراج ویژگی JO - نشریه‌ی علمی مهندسی پزشکی زیستی JA - IJBME LA - fa SN - 5869-2008 AU - امینی, زهرا AU - ابوطالبی, وحید AU - صادقی, محمدتقی AD - دانش‌آموخته کارشناسی ارشد، دانشگاه یزد AD - استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد Y1 - 2011 PY - 2011 VL - 4 IS - 4 SP - 293 EP - 306 KW - طبقه‌بندی مؤلفة P300 KW - سیستم‌های واسط مغز و رایانه (BCI) KW - بازشناسی آماری الگو KW - استخراج ویژگی KW - طبقه‌بند DO - 10.22041/ijbme.2011.13198 N2 - دراین مقاله سیستمی مبتنی بر بازشناسی آماری الگو جهت تفکیک سیگنال‌های حاوی P300 و فاقد آن، ارائه می‌شود. این سیستم- که بر روی دادگان P300-Speller مسابقات BCI 2005 کار می‌کند- از چهار بخش اصلی پیش‌پردازش، استخراج ویژگی، انتخاب ویژگی و طبقه‍بند تشکیل شده که تأکید اصلی این مقاله بر بخش استخراج ویژگی و بررسی کارایی ویژگی‌های مختلف است. در مرحلة استخراج ویژگی، شش دسته ویژگی شامل قطعه‌بندی هوشمند، ضرایب موجک، الگوهای مکانی مشترک، ویژگی‌های شکلی- زمانی، ویژگی‌های فرکانسی و دسته ویژگی ترکیبی الگوهای مکانی مشترک و قطعه‌بندی، تعریف شدند که برخی از این ویژگی‌ها (مانند ویژگی‌های قطعه‌بندی هوشمند، الگوهای مکانی مشترک و ترکیبی) تا کنون یا مستقیماً برای آشکارسازی P300 به کار نرفته بودند و یا در موارد بسیار معدودی از آنها استفاده شده بود. سپس ویژگی‌ها با معیارهای مختلفی  به صورت تک تک و گروهی ارزیابی شدند و در نهایت ترکیبی بهینه از مجموع این ویژگی‌ها به طبقه‌بند SWLDA داده شد. بدین ترتیب درصد صحت تشخیص مؤلفة P300 با این سیستم به 05/97% رسید که در قیاس با نتایج مطالعات قبلی در این حوزه، نتیجة برتری است. UR - https://www.ijbme.org/article_13198.html L1 - https://www.ijbme.org/article_13198_03b57f39e3a482db1126d8072017d515.pdf ER -