آشکار سازی مولفه های شناختی سیگنال مغز با استفاده از ضرایب ویولت
محل انتشار: نشریه ی مهندسی پزشکی زیستی، دوره: -1، شماره: 1
سال انتشار: 1383
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 75
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBM--1-1_003
تاریخ نمایه سازی: 20 اسفند 1404
چکیده مقاله:
مولفه P۳۰۰ یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها نشان می دهد اغلب پردازش های شناختی مورد بررسی در ویژگی های مربوط به باندهای دلتا و تتا بروز یافته اند و هر دسته شامل چند ویژگی، مربوط به یکی از زیرپردازش های درگیر در طی تولید P۳۰۰ هستند. هدف از این تحقیق، به عنوان یک گام اولیه برای طراحی روشی برای دروغ سنجی با استفاده از امواج مغزی، پیاده سازی سیستمی بوده که بتواند از روی این ویژگی ها، تک ثبت های حاوی موج P۳۰۰ را از تک ثبت های فاقد این موج تفکیک نماید.برای این منظور در مرحله اول با استفاده از "تحلیل تفکیکی قدم به قدم" یک تابع تفکیک بهینه به صورت ترکیب خطی نه عدد از این ویژگی ها طرح شد که قادر است با دقت حدود ۷۵ درصد در دادگان آموزش و ۷۱ درصد در دادگان آزمون، تک ثبت های مربوط به تحریک های هدف و غیرهدف را از یکدیگر جدا کند. بررسی های بیشتر نشان داد تنها با استفاده از سیگنال ثبت شده در کانالPz نیز می توان تقریبا به همین میزان تفکیک رسید. در مرحله بعد، برای دسته بندی داده ها از یک استراتژی یاد گیری مدولار متکی به آنالیز مولفه های اصلی و شبکه های عصبی استفاده شد. در نهایت با تعلیم این سیستم با ثبت های موجود، در بهترین وضعیت از حالات پیاده سازی شده، حداکثر دقت تفکیک حدود ۷۶ درصد روی دادگان آموزش و حدود ۷۲ درصد روی دادگان آزمون به دست آمد.
کلیدواژه ها:
سیگنال های الکتریکی مغز ، فعالیت های شناختی ، P۳۰۰ ، دروغ سنجی ، تبدیل ویولت گسسته ، تحلیل تفکیکی خطی ، استراتژی یادگیری مدولار
نویسندگان
وحید ابوطالبی
دانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکی پژوهشکده پردازش هوشمند علائم
محمدحسن مرادی
دانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکی
محمدعلی خلیل زاده
پژوهشکده پردازش هوشمند علائم دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی پزشکی
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 :