بررسی ویژگی های شناختی مغز با استفاده از امواج الکتروانسفالوگرافی و مکان یابی LORETA

در این مقاله روشی جدید برای شناسایی حالت های مغز در دو حالت استراحت و حل مساله ارائه می شود. ابتدا برای بخش بندی و جداسازی ناحیه فعال مغز از الگوریتم خوشه بندی K-Means استفاده می شود. در مرحله بعد از ویژگی های محلی، الگوهای دودویی گرادیان به منظور استخراج ویژگی از تصاویر بخش بندی شده استفاده می شود. با توجه به ابعاد بالای بردار ویژگی استخراج شده از الگوریتم تجزیه محلی حساس متمایز کننده برای نگاشت ویژگی ها به فضای جدید و کاهش بعد استفاده می شود. در مرحله بعد از رویکرد انتخاب ویژگی های بهینه توسط الگوریتم کلونی زنبور عسل مصنوعی استفاده می شود. این امر باعث افزایش دقت و سرعت پاسخ گویی سیستم خواهد شد. در نهایت عملیات دسته بندی و شناسایی حالت های مغز با استفاده از دسته بند ماشین یادگیر بیشینه انجام می شود. ماتریس بوجود آمده از سیگنال های مغز به روش LORETA پردازش می شود، تا بتوان محل دقیق سیگنال ها به همراه شدت آن ها را در سطح مغز بدست آورد. تعداد تصاویر به دست آمده در این آزمایش 727 عدد می باشد. میانگین دقت به دست آمده روی پایگاه داده ارائه شده 97.01 درصد می باشد.

کلیدواژه ها:

شناسایی حالت ، الگوهای دودویی گرادیان ، تجزیه محلی حساس متمایز کننده ، کلونی زنبور عسل مصنوعی ، ماشین یادگیر بیشینه ، LORETA