تشخیص سیگنال هدف در محدوده زمانی کارآمد سیگنال پتانسیل برانگیخته بینایی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 273

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-50-2_001

تاریخ نمایه سازی: 4 آذر 1399

چکیده مقاله:

در مقاله حاضر یک روش جدید برای آشکارسازی سیگنال‌های هدف و غیرهدف با استفاده از انتخاب بازه‌های زمانی مناسب پتانسیل برانگیخته بینایی جهت افزایش دقت طبقه‌بند و کاهش تعداد ویژگی معرفی شده است. روش پیشنهادی، با استفاده از کانال‌های مؤثر و مشخص و طبقه بند SWLDA بر روی داده‌گان P300-Speller مسابقات BCI2005 و داده‌های ثبت‌شده توسط هافمن پیاده سازی گردید. روش‌های موجود برای تعیین سیگنال حاوی P300، از بازه مشخصی در حدود یک ثانیه بعد از هر تحریک استفاده می‌کنند. در این مقاله، ابتدا محدوده زمانی مؤلفه‌های مختلف پتانسیل برانگیخته بینایی شامل N400، P300، N170، N100، P50 و N20 را بر اساس نتایج به‌دست‌آمده از مقالات با پایه فیزیولوژی مشخص کردیم. سپس، بازه‌ها توسط معیارهای F-Score و PCC امتیازبندی شدند. مؤلفه‌های مهم و تأثیرگذار پتانسیل برانگیخته بینایی با استفاده از الگوریتم SFS و طبقه بند SWLDA انتخاب شدند. به‌منظور بررسی توانمندی روش، عملکرد ترکیبات بهینه نسبت به طول زمانی کل سیگنال توسط دو طبقه‌بند بیزین و KNN نیز مقایسه شدند. نتایج آزمایش بر روی 10 شخص نشان داد که مهم‌ترین مؤلفه‌ها برای جداسازی سیگنال‌های هدف و غیرهدف به ترتیب P300، N100 و N400 هستند. روش پیشنهادی دقت تشخیص خروجی را به میزان% 3.95  بهبود داد.

کلیدواژه ها:

انتخاب ویژگی زمانی ، P300 Speller ، مؤلفه‌های پتانسیل برانگیخته بینایی ، طبقه‌بند SWLDA ، الگوریتم SFS

نویسندگان

مائده آزادی مقدم

گروه برق و کامپیوتر - دانشکده مهندسی - دانشگاه زنجان

سپیده جباری

گروه برق و کامپیوتر - دانشکده مهندسی - دانشگاه زنجان

بهرام پرسه

دانشکده پزشکی - دانشگاه علوم پزشکی زنجان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • [1]      B.  Perseh and A. R. Sharafat, “An efficient P300-based ...
  • [2]       N. Xu, X. Gao, B. Hong, X. Miao, Sh. ...
  • [3]      M. Salvaris and F. Sepulveda, “Wavelets and ensemble of ...
  • [4]      R. K. Chaurasiya, N. Londhe, and S. Ghosh, “An ...
  • [5]      L. Jessica, W. Speier, and X. Hu,“The effects of ...
  • [6]      H. Cecotti, R. Phlypo, B. Rivet, M. Congedo, E. ...
  • [7]      CS. Herrmann, A. Mecklinger, and E. Pfeifer, “Gamma responses ...
  • [8]      S. Campanella, C. Montedoro, E. Streel, P. Verbanck, and ...
  • [9]      B. Hong, F. Guo, T. Liu, X. Gao, and ...
  • [10]      C. C. Duncan , R. J. Barry, J. F. ...
  • [11]      A. Marcano-Cedeño, J. Quintanilla-Domínguez, M. Cortina-Januchs, and D. Andina,“Feature ...
  • [12]      http://www.bbci.de/competition/iii/ ...
  • [13]      http://bci.epfl.ch/p300 ...
  • [14]      U. Hoffman, J. M. Vesin, T. Ebrahimi, and K. ...
  • [15]      D. J. Krusienski, E. W. Sellers, F. Cabestaing, S. ...
  • [16]      G. D. Johnson and D. J. Krusienski, “Ensemble   SWLDA ...
  • [17]      شیما کاشف و حسین نظام‌آبادی‌پور، «یک روش ترکیبی برای ...
  • نمایش کامل مراجع