دسته بندی سیگنال طیف سنجی مادون قرمز نزدیک عملکردی (fNIRS) با استفاده از شبکه عصبی کانولوشنی و کانولوشنی بازگشتی

بررسی عملکرد مغز از جمله مهمترین موضوعات مورد توجه در بین محققان حوزه های مختلف و در تمام دوره ها می باشد. یکی از روش های بررسی عملکردی مغز بهره گیری از اطلاعات نهفته در سیگنال های زیستی با منشا مغز، از جمله سیگنال الکتروانسفالوگرام (EEG) و سیگنال طیف سنجی مادون قرمز نزدیک عملکردی (fNIRS) است. در دو دهه اخیر سیگنال NIRS به دلیل مزیت های قابل توجه و بیان زوایای جدیدی از عملکرد مغز بیشتر مورد توجه پژوهشگران حوزه علوم و مهندسی اعصاب قرار گرفته است. در پژوهش حاضر داده های مربوط به سیگنال fNIRS ثبت شده در دو حالت استراحت مغز و انجام عملیات ریاضی با استفاده از شبکه های عصبی عمیق دسته بندی شده است. دو روش پیشنهاد شده است که روش اول بر اساس معماری شبکه fNIRSNet توسعه داده شده و روش دوم بر اساس معماری شبکه RCNN ارائه شده است که روش اول و دوم به ترتیب صحت دسته بندی ۷۱/۴۹ و ۶۳/۷۹ را به دست داده اند. نتایج روش پیشنهادی مبتنی بر fNIRSNet در مقایسه با روش های موجود دارای برتری بوده ولی عملکرد روش مبتنی بر RCNN برای رقابت با سایر الگوریتم های موجود نیاز به بهبود و تصحیح دارد.

کلیدواژه ها:

طیف سنجی مادون قرمز نزدیک ، عملکردی ، شبکه عصبی کانولوشنی ، دسته بندی ، fNIRSNet ، CNN ، FNIRS