تشخیص انواع نویز در قطعههای EEG تک کاناله با شبکه عصبی عمیق
- سال انتشار: 1403
- محل انتشار: دومین کنفرانس بین المللی هوش مصنوعی و فناوری های آینده نگر
- کد COI اختصاصی: ICAIFT02_011
- زبان مقاله: فارسی
- تعداد مشاهده: 139
نویسندگان
دانشجوی کارشناسی گروه کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
دانشیار گروه مهندسی پزشکی، دانشگاه صنعتی نوشیروانی بابل
دانشجوی کارشناسی گروه کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
چکیده
نوارهای مغزی گردآوری شده از مغز انسان اغلب به نویزهای خاصی آلوده هستند. این نویزها می توانند در قالب نویزهای عضالنی یا چشمی در کانال های EEG قرار گیرند و شناسایی آنها توسط کاربر دشوار باشد. در برخی از روشهای کاهش نویز، ابتدا منبع نویز شناسایی شده، سپس تکنیک مناسب برای کاهش نویز اعمال میشود. ما در این مقاله با استفاده از روش یادگیری ماشین، بر روی قطعههای ۲ ثانیهای از کانال های EEG پردازش انجام میدهیم تا امکان تشخیص بر خط نویز و طبقه بندی آنها فراهم گردد. همچنین با استفاده از ویژگیهای زمانی همچون تبدیل موجک و ویژگیهای حوزه فوریه مانند طیف چگالی توان فرایند استخراج ویژگی را انجام می دهیم. پس از آن، با هدف کاهش ابعاد ویژگیها و مستقل کردن آنها، از روش تحلیل مولفههای اصلی و مولفههای مستقل استفاده میکنیم. در ادامه، شبکه چند لایه پرسپترونی طراحی شده که میتواند هر یک از قطعههای سیگنال را در سه گروه قطعه تمیز، قطعه آغشته به نویز چشمی یا قطعه آغشته به نویز عضالنی طبقه بندی کند. شبکه پس از عبور دادن ویژگیها از چندین لایه تمام متصل و اتمام مرحله آموزش، در مرحله آزمون می تواند به ازای نسبت سیگنال به نویزهای کم، تقریبا بدون خطا و با دقت ۹۹% طبق بندی را انجام دهد و این عملکرد را به ازای نویزهای خفیف تر و نسبت سیگنال به نویزهای باالتر از dB۱-، با دقت باالی۹۰% تا نسبت سیگنال به نویز ۴ حفظ کند.کلیدواژه ها
الکتروانسفالوگرافی, طبقهبندی, نویز چشمی, نویز عضالنی, شبکه عصبی عمیق, تبدیل موجک, تحلیل مولفههای مستقلمقالات مرتبط جدید
- تحلیل چالشها و راهکارهای تقویت ارتباط دانشگاه و صنعت: با تمرکز بر حلقههای مفقوده
- بازخوانی نقش دانشگاه و صنعت در توسعه ملی: از موانع تا راهکارها
- نشانگر تشخیصی جدید در ژن C-myc به عنوان کیت غیر تهاجمی تشخیص سرطان دهان
- برنامه ریزی منابع تجدید پذیر با درنظر گرفتن برنامه ریزی توسعه انتقال و تولید منابع توان راکتیو
- برنامه ریزی همزمان توسعه انتقال و منابع تولید توان راکتیو با استفاده از یک الگوریتم تکاملی بهبود یافته
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.