طراحی و پیاده سازی الگوریتم توسعه یافته Infomax متعامد (OgExtInf) جهت حذف هوشمند آرتیفکت های چشمی از سیگنال های الکتروانسفالوگرام

در پردازش سیگنال های الکتروانسفالوگرام (EEG) آرتیفکت های چشمی (EOG) به دلیل همپوشانی طیفی با باندهای فرکانسی پایین چالشی جدی در تحلیل داده ها ایجاد می کنند. در این پژوهش الگوریتم (Orthogonal Extended Infomax (OgExtInf به منظور جداسازی کور منابع و حذف هوشمند آرتیفکت های چشمی پیاده سازی و ارزیابی شد. ارزیابی کمی بر روی داده های نیمه شبیه سازی شده نشان داد که بیشترین ضریب همبستگی پیرسون بین مولفه های استخراج شده و سیگنال های مرجع برابر با ۰.۸۵۰۸ برای VEOG و ۰.۸۸۵۲ برای HEOG است. پس از حذف مولفه های شناسایی شده و بازسازی سیگنال EEG میانگین خطای بازسازی (RMSE) روی تمامی کانال ها برابر با ۴.۲۵۰۱ - ۳.۴۹۶۶ میانگین + انحراف معیار گزارش گردید. همچنین تحلیل چگالی طیف توان (PSD) نشان داد که توان اضافی باندهای فرکانسی پایین کاهش یافته و ریتم آلفا بدون اعوجاج حفظ شده است. نتایج بیانگر کارایی مناسب الگوریتم پیشنهادی در کاهش آرتیفکت های چشمی و بهبود کیفیت سیگنال EEG می باشد.

کلیدواژه ها:

الکتروانسفالوگرام ، آرتیفکت های چشمی ، جداسازی کور منابع ، الگوریتم OgExtInf ، قید تعامد ، رابط مغز و رایانه