ارائه مدل واسط مغز و کامپیوتری ترکیبی به منظور تفکیک محاسبه ی ذهنی از استراحت با استفاده از سیگنال fNIRS و EEG

سازکان بهداشت جهانی گزارش داد که حدود 15 درصد از جمعیت جهان با 190 میلیون فردی زندگی می کنند که دچار مشکلات و ناتوانی های حرکتی هستند. به عنوان مثال در ایالات متحده آمریکا حداقل 70% از بزرگسالان که دچار معلولیت جسمی هستند نیازمند یک دستیار برای اداره ی کارهای روزمره خود هستند و فعالیت های آنها موجب محدودیت های اقتصادی و اجتماعی می شود. یکی از ابزارهایی که می توان به افراد معلول کمک کند، پروتز و سایر ماشین ها هستند که می توان به وسیله ی سیگنال الکتروانسفالوگرام و طیف نگاری کارکردی نزدیک مادون قرمز کنترل کرد. در این مطالعه به دنبال ویژگی های بهینه از ترکیب دو سیگنال هستیم تا بتوانیم به سرعت و صحت به صورت همزمان دست پیدا کنیم. از هر دو سیگنال ویژگی های میانگین، پیک ها، تغییرات علامت، تاخیر، چولگی، کشیدگی و چگالی طیف توان را استخراج کردیم و با استفاده از الگوریتم انتخاب رو به جلو سه ویژگی بهینه را انتخاب کردیم. خروجی الگوریتم انتخاب رو به جلو نشان می دهد که ویژگی های چولگی، کشیدگی و میانگین بهترین تفکیک پذیری را دارد. میانگین دقت در 8 نفر با استفاده از طبقه بندی کننده ی ماشین بردار پشتیبان با کرنل گوسی 82.56% است و برای ماشین بردار پشتیبان با کرنل چند جمله ای درجه ی سه 77.1% است.

کلیدواژه ها:

طیف نگاری کارکردی نزدیک مادون قرمز ، استخراج ویژگی ، ماشین بردار پشتیبان ، انتخاب رو به جلو ، پرسپترون چند لایه