ارائه ی یک الگوریتم ترکیبی برای تشخیص تصور حرکت دست چپ و راست با استفاده از تنها دوکانال سیگنال الکتریکی مغز

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 6

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJBM-12-2_002

تاریخ نمایه سازی: 16 اسفند 1404

چکیده مقاله:

در چند دهه ی اخیر، رابط مغز-رایانه ی مبتنی بر تصور حرکت به صورت گسترده برای کمک به افراد مبتلا به اختلال حرکتی، مورد توجه قرار گرفته است. مزیت این نوع رابط، به عنوان سیستمی درون زاد، عدم نیازبه تحریک خارجی و کنترل طبیعی می باشد. یکی از مشکلات اصلی در کاربردی کردن این سیستم­، نیاز به نصب تعداد زیادی الکترود روی سر است که سبب افزایش هزینه ی تجهیزات، افزایش حجم محاسبات و هم چنین دشوارتر شدن استفاده از آن برای کاربر، به دلیل زمان بر بودن نصب الکترودها، می شود. تحقیقات اخیر، در جهت کاهش تعداد الکترودهای مورد نیاز با حفظ کارایی سیستم بوده است. هدف از این پژوهش، بررسی ویژگی ها و انتخاب ترکیبی مناسب برای تشخیص تصور حرکت با استفاده از تنها دو کانال (C۳و C۴) برای ثبت سیگنال مغز بوده است. به این منظور، از روش توان باند، پارامترهای حوزه ی زمان و مدل خودبازگشتی تطبیقی، به عنوان ویژگی و از روش شناخته شده و ساده ی آنالیز افتراقی خطی جهت طبقه بندی استفاده شد. نتایج نشان داد که ویژگی هایتوان باند، بیش ترین سازگاری و اثربخشی را برای تفکیک دقیق وظایفتصور حرکتی چپ و راست دارند. هم چنین، الگوریتم پیشنهادی به صورت ترکیب ویژگی توان باندبا پارامترهای حوزه ی زمان ومدل خودبازگشتی تطبیقی، سبب بهبود عمل کرد طبقه بندی گردید. نتایج روی داده های سومین دوره ی مسابقات رابط مغز-رایانه توانست جایگاه دوم را بین رقابت کنندگان اصلی مسابقه، با بیشینه ی STMIبرابر ۲۵۸۲/۰ به دست آورد. در پردازش نابرخط، وظایفتصور حرکتی دستچپ و راست با صحت متوسط برابر با ۸۵ درصد و کاپای ۷۰ درصد تشخیص داده شد، هم چنین نتایج بیان گر انتقال اطلاعات خروجی گسسته ی ۳۹/۰ و پیوسته ی ۴۵/۰ و سطح زیرمنحنی عملیاتی دریافت کننده ی ۹۱/۰ بود. نتایج این مقاله نشان می دهد که ویژگی های جدید، به طور برجسته در هنگام استفاده از ترکیب هر سه دسته ی ویژگی، به بهبود عمل کرد طبقه‎ بندی سیستم واسط مغز-رایانه ی دو کاناله منجر می شود و در ضمن، الگوریتم پیشنهادی برای افراد جدید نیز کارایی قابل مقایسه ای را ارائه کرده است.

نویسندگان

فاطمه قمی

دانشجوی کارشناسی ارشد مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده ی فنی مهندسی، دانشگاه اصفهان، اصفهان

امین مهنام

دانشیار، گروه مهندسی پزشکی، دانشکده ی فنی مهندسی، دانشگاه اصفهان، اصفهان

محمدرضا یزدچی

دانشیار، گروه مهندسی پزشکی، دانشکده ی فنی مهندسی، دانشگاه اصفهان، اصفهان

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 :
  • H. Do, P. T. Wang, C. E. King, A. Abiri ...
  • H. Do, P. T. Wang, C. E. King, S. N. ...
  • G. Pfurtscheller, B. Graimann and B. Allison, Brain-computer interfaces : ...
  • S. Gao, Y. Wang, X. Gao and B. Hong, "Visual ...
  • J. Wolpawa, N. Birbaumer, D. McFarlanda, G. Pfurtscheller and T. ...
  • J. R. Wolpaw and a. D. J. McFarland, "Control of ...
  • D. McFarland, A. S. R Wolpaw and J. William, "Electroencephalographic ...
  • Y. Chae, J. Jeong and S. Jo, "Toward brain-actuated humanoid ...
  • J. d. Millán, F. Renkens, J. Mouriño and W. Gerstner, ...
  • G. Pfurtscheller, R. Lee, C.Keinrath, D. Friedman, C. Neuper, C. ...
  • J. Long, Y. Li, H. Wang, T. Yu, J. Pan ...
  • J. Li, J. Liang, Q. Zhao, J. Li, K. Hong ...
  • G. Pfurtscheller, C. Brunner, A. Schlogl and F. da Silva, ...
  • Y. Li, X. Gao, H. Liu and S. Gao, "Classification ...
  • S. Lemm, K.-R. M. ller and G. Curio, "A Generalized ...
  • J. McFarland, R. Wolpaw and a. D. J., "Multichannel EEG-based ...
  • M.Pregenzer, G.Pfurtscheller, J.Kalcher, Ch.Neuper, G.Pfurtscheller, J.Kalcher and C. D.Flotzinger, "On-line ...
  • A. Schlogl, F. Lee, H. Bischof and G. Pfurtscheller, "Characterization ...
  • S. ,. R. C. ,. R. S. C. Vidaurre and ...
  • Vidaurre, N. Krämer, B. Blankertz and A. Schlögl, "Time Domain ...
  • Z. Allison, C. Brunner, V. Kaiser, G. R. M. uller-Putz ...
  • W.-Y. HSU, "Single-trial motor imagery classification using asymmetry ratio, phase ...
  • J. Jiang, Z. Zhou, E. Yin, Y. Yu, Y. Liu ...
  • H. Z. Y. W. Qi Xu and J. Huang, "Fuzzy ...
  • Y. F. Minyou Chena and X. Zheng, "Phase space reconstruction ...
  • M. C. Yonghui Fang and X. Zheng, "Extracting features from ...
  • H. M. Z. S. Mobarakeh, "Improvement of EEG-based motor imagery ...
  • N. M. Hamidreza Abbaspour and S. M. Razavi, "An Effective ...
  • W.-K. Tam, K.-y. Tong, F. Meng and a. S. Gao, ...
  • [Online]. Available: http://www.bbci.de/competition/iii/data_set_iiib ...
  • N. Brodu, F. Lotte and A. Lécuyer, "Comparative Study of ...
  • XinMa, "The research of brain-computer interface based on AAR parameters ...
  • Y. &. G. X. &. H. b. &. G. S. ...
  • J. Yue, Z. Zhou, J. Jiang, Y. Liu and D. ...
  • A. Schlogl, J. Kronegg, J. E. Huggins and S. G. ...
  • J. Cohen, "A coefficient of agreement for nominal scales," Educational ...
  • Monge-Pereira, J. Ibañez-Pereda, I. Alguacil-Diego, J. Serrano, M. Spottorno-Rubio and ...
  • Iturrate, J. M Antelis, A. Kubler and J. Minguez, "A ...
  • Lehtonen, P. Jylänki, L. Kauhanen and M. Sams, "Online Classification ...
  • G. Onose, C. Grozea, A. Anghelescu, C. Daia, C. Sinescu, ...
  • T. M. Mitchell, Machine learning, Boston: McGraw-Hill, ۱۹۹۷ ...
  • نمایش کامل مراجع