تشخيص مؤلفه P300 از سيگنال‌هاي مغزي براي سيستم‌هاي رابط مغز و رايانه

كارشناسي ارشد

امروزه سيستم‌هاي رابط مغز و رايانه بسيار گسترش يافته‌اند، يك سيستم رابط مغز و رايانه با استفاده از داده‌هايي كه با ثبت سيگنال‌هاي مغزي و پردازش و طبقه‌بندي آن‌ها به‌دست مي‌آيند به‌دنبال ايجاد ارتباط ميان انسان و رايانه است. يكي از مهم‌ترين مؤلفه‌ها در سيگنال‌هاي مغزي پتانسيل برانگيخته P300 است، اين مؤلفه بر اساس الگوي oddball هنگامي كه مغز در حين پردازش يك سري از تحريكات معمول، به يك تحريك غيرمعمول برمي‌خورد ظاهر مي‌شود، يكي از كاربردهاي P300 سيستم هجي كننده است كه با استفاده از يك ماتريس 6×6 و روشن و خاموش شدن سطرها و ستون‌ها اقدام به تشخيص كاراكتر انتخابي توسط كاربر با استفاده از اين مؤلفه مي‌كند. در اين پروژه از دو دسته داده استفاده شده است، دسته اول داده‌هاي استاندارد رقابت‌هاي BCI (رقابت سوم- مجموعه داده دوم) است كه معيار اصلي مقايسه‌ها در اين پروژه با ساير آزمايش‌ها مي‌باشد. دسته دوم داده‌هايي هستند كه با استفاده از 10 كانال و از 3 فرد ثبت شده كه پس از انجام پيش‌پردازش‌هاي لازم، مورد طبقه‌بندي و ارزيابي قرارگرفته است. از آن‌جا كه هدف اصلي اين پروژه يافتن راه‌كاري براي افزايش دقت در طبقه‌بندي داده‌ها و با در نظرگرفتن سرعت سيستم (كه كاربرد آن را در سيستم‌هاي آنلاين را تضمين كند) است، روشي پيشنهاد شده كه در آن بدون استفاده از ميانگين‌گيري از ثبت‌ها كه به‌منظور كاهش نويز استفاده مي‌شود، با استفاده از ويژگي‌هاي زماني و مرتب‌سازي آن‌ها به‌گونه‌اي خاص و استفاده از طبقه‌بندي كننده‌هاي خطي توانستيم دقت سيستم را تا حد مطلوبي بهبود و درعين حال سرعت سيستم را بالا ببريم. در اين پروژه با استفاده از روش‌هاي مختلف استخراج ويژگي كه شامل FLD، CSSSP و ويژگي‌هاي زماني است و هم‌چنين روش‌هاي مختلف طبقه‌بندي ازجمله LDA و SVM (با پارامترهاي بهينه شده) و شبكه‌هاي عصبي مصنوعي (ANN) اقدام به پردازش داده‌ها و طبقه‌بندي آن‌ها كرديم، سپس اين روش‌ها را با روش پيشنهادي مقايسه كرديم، مشاهده شد بهترين دقت در روش پيشنهادي حاصل شده است. با استفاده از اين روش توانستيم به دقت 51/98% براي فرد A و44/99% براي فرد B در طبقه‌بندي P300 (در داده‌هاي استاندارد رقابت‌هاي BCI) دست يابيم كه با توجه به ساير مطالعات در اين زمينه روش پيشنهادي بهبود داشته‌است، هم‌چنين در تشخيص حرف و با استفاده از 5 و 15 تكرار براي ميانگين دو فرد توانستيم به ترتيب به درصد 78/73% و 44/94% دست‌يابيم. علاوه بر اين، نتايج ما نشان مي دهد روش استفاده شده در اين پروژه در مقايسه با ساير روش‌ها در دقت طبقه بندي و تشخيص P300 بهبود داشته‌است. واژه‌هاي كليدي: رابط مغز و رايانه ، پتانسيل برانگيخته P300 ، شبكه‌هاي عصبي مصنوعي (ANN) ، SVM ،CSSSP

190750

دانشگاه علم و صنعت ايران

الكترونيك ديجيتال

دكتر ستار ميرزاكوچكي