مروری بر روش های موثر استخراج ویژگی از امواج غیرتهاجمی مغزی

تشخیص فعالیت های مغزی با استفاده از امواج مغزی ازجمله فعالیت هایی هست که در سال های اخیر بسیار موردتوجه پژوهش گران قرارگرفته هست. درک فعالیت های ذهنی با استفاده از امواج مغزی غیرتهاجمی به دلیل کم خطر بودن، هزینه پایین و در دسترس بودن تجهیزات دریافت و ثبت موج مورد اقبال پژوهش گران قرارگرفته است. شیوه های متفاوتی جهت تفکیک فعالیت های موج مغزی وجود دارد. در این مقاله به بررسی شیوه های مختلف تجزیه وتحلیل امواج مغزی شامل حوزه زمان، حوزه بسامد و حوزه بسامد- زمان پرداخته شده است. در این پژوهش جهت تشخیص فعالیت ذهنی افراد، از مجموعه داده MindBigDat استفاده شده است که جهت ضبط امواج مغزی از تصاویر ارقام دست نویس استفاده شده است. این مجموعه داده در سال ۲۰۱۸ ایجادشده و از سایت opendatacommons دارای گواهی می باشد. امواج مغزی در سه حوزه زمان، بسامد و بسامد-زمان در طیف های بسامدی دلتا، تتا، آلفا، بتا و گاما استخراج ویژگی شده و با استفاده از الگوریتم ANOVA ویژگی های دارای امتیاز بالاتر انتخاب شدند. طیف بسامدی دلتا، در حوزه بسامد دارای بیشترین نتیجه ارزیابی در این پژوهش بوده و سپس با استفاده از انتخاب کانال و انتخاب سایر طیف های بسامدی با استفاده از الگوریتم SFFS کانال و طیف های بهینه انتخاب و نتیجه طبقه بندی نیز ارتقا داده شده است.

کلیدواژه ها:

تشخیص ارقام ، ارقام دست نویس ، سیگنال مغزی ، EEG ، MindBigData