پردازش سيگنال پتانسيلهاي ميداني مغز براي بهبود رمزگشايي در BCI

كارشناسي ارشد

چكيده پردازش سيگنال پتانسيل هاي ميداني، موضوعي مهم براي سيستم هاي BCI است. در اين بين حذف آرتيفكت، كيفيت سيگنال هاي مغزي را افزايش داده و در نتيجه مي تواند منجر به افزايش عملكرد رمزگشايي در سيستم هاي BCI شود. در اين پايان نامه ما روشي نوين، خودكار و غير نظارتي را براي حذف آرتيفكت هاي غير گوسي از پتانسيل هاي ميداني چند كاناله براي استفاده در سيستم هاي واسط مغز-كامپيوتر (BCI) ارائه مي كنيم. اين روش كه فيلتر تخمين حداقل نويز (MNE) ناميده مي شود، از يك حد آستانه گذاري تكرار شونده به همراه خارج قسمت رِيلي استفاده مي كند تا تخميني از نويز را به دست آورده و آن را در سيگنال اصلي حداقل سازد. فيلتر MNE براي پياده سازي به اطلاعات اوليه راجع به نوع پتانسيل ميداني نياز ندارد. در نتيجه اين روش قابل استفاده بر روي الكتروانسفالوگرام (EEG)، الكتروكورتيكوگرام (ECoG) و پتانسيل هاي ميداني محلي (LFP) است. عملكرد روش پيشنهادي به عنوان بخش پيش پردازش در پروسه ي رمزگشايي بر روي دو مجموعه داده ي مختلف ECoG (رگرسيون) و EEG (طبقه بندي) ارزيابي مي شود. نتايج به دست آمده نشان مي دهد كه روش پيشنهادي MNE به طور معناداري نسبت به روش هاي شناخته شده ي  حذف آرتيفكت مرجع مشترك ميانگين (CAR)، لاپلاسين، آناليز مولفه هاي مستقل (ICA) و حذف نويز ويولت عملكرد بالاتري دارد. اين عملكردِ بالاتر در داده هاي شبهشبيه سازي شده ي ECoG با سطح نويز هاي مختلف نيز ديده مي شود. همچنين حجم محاسباتي روش پيشنهادي نسبت به روش‌هاي ICA و حذف نويز پايين‌تر است. موضوعي كه استفاده از MNE را در پياده سازي آنلاينِ سيستم هاي BCI جذاب مي كند. واژه‌هاي كليدي: واسط مغز-كامپيوتر (BCI)، پتانسيل هاي ميداني، حذف آرتيفكت، الكتروكورتيكوگرام (ECoG)، الكتروانسفالوگرام (EEG).

189290

دانشگاه علم و صنعت ايران

دكتر وحيد شالچيان

بيوالكتريك

دكتر محمدرضا دليري