تشخیص خواب آلودگی با استفاده از سیگنال EEG برمبنای آنالیزی نقشه های بازگشتی

با وجود تحقیقاتی که در زمینه تشخیص خواب آلودگی با استفااده ازسیگنال های مغزی انجام شده است اما مسئله تشخیص خوابآلودگی همچنان یک چالش جدی برای محققان به شمار می آید چراکه هنوز یک روش قابل اطمینان برای تشخیص خواب آلودگی وجودندارد.به دلیل ماهیت غیر خطی سیستم های بیولوژیکی اخیراًاستفاده از روش ها ی غیر خطی در پردازش سیگنال هایفیزولوژیکی محبوبیت زیادی پیدا کرده است. در این مقاله هدف ارائهیک روش جدید برمبنای آنالیز غیر خطی سیگنال EEG به منظورتشخیص خواب آلودگی می باشد. آنالیز کمی بازگشت (RQA) یکالگوریتم غیرخطی است که با استفاده از نقشه هایبازگشتی (RP) یک سیستم دینامیکی ویژگی های فضای فاز آنسیستم را کمی می کند. با درنظر گرفتن مغز به عنوان یک سیستمغیرخطی و سیگنال EEG به عنوان تظاهرات این سیستم، می توانبا اعمال این الگوریم به برخی تغییرات ایجاد شده در سیگنالEEG که ناشی از تغییر حالت ذهنی می باشد پی برد. خوابآلودگی یکی از این االات ذهنی است که باعث تغییر در نقشهبازگشتی مغز به عنوان یک سییستم دینامیکی شود.در این مقالهدوازده ویژگی استخراج شده از RQA برای تشخیص خواب آلودگیاستفاده شد. که درنهایت ویژگی قطعیت (DET) به عنوان بهترینویژگی برای تشخیص خواب آلودگی تشخیص داده شد. نتایج نشاندادند که با استفاده از ویژگی قطعیت و با استفاده از کلاسبندSVM می توان به دقت نزدیک به 90% درصد در تشخیص خوابآلودگی دست یافت.

کلیدواژه ها:

خواب آلودگی ، EEG ، آنالیز غیر خطی