طبقه‌بندي تصاوير ديده‌شده توسط كاربر از روي سيگنال‌هاي مغزي

كارشناسي ارشد

بيشترين اطلاعاتي كه انسان از محيط پيرامون خود دريافت مي‌كند از طريق حس بينايي و مشاهده‌ي اجسام پديد مي‌آيد. پس از دريافت اطلاعات تصويري، شناسايي اشيا و تصاوير يكي از فرآيند‌هاي بسيار پيچيده در مغز انسان مي‌باشد. تحليل عملكرد مغز در تشخيص اجسام و تصاوير يك از موضوعات مورد علاقه در ميان محققان در سال‌هاي گذشته بوده‌ است. از ميان تمامي پژوهش‌هاي اخيرا انجام شده در اين حوزه، بررسي ارتباطات قسمت‌هاي مختلف مغز با يكديگر مورد توجه بيشتري قرار گرفته است. در مطالعه‌ي پيش رو به بررسي تاثير ارتباطات قسمت‌هاي مختلف مغز در شناسايي تصاوير پرداخته شده است. به اين منظور از دو سري داده كه شامل اطلاعات سيگنال EEG افراد در حين تماشاي تصاوير اعداد انگليسي، مي‌باشند استفاده گرديده است. در تحليل اين سيگنال‌ها از ويژگي‌هاي ارتباطي عملكردي استفاده شده است، كه از ويژگي‌هاي بسيار پركاربرد در مطالعات مرتبط به شمار مي‌روند. براي انتخاب ويژگي‌ها نيز دو روش اطلاعات متقابل و تحليل واريانس به كار گرفته شده و جهت دسته‌بندي داده‌ها دو الگوريتم پركاربرد ماشين بردار پشتيبان و نزديكترين همسايگي اعمال مي‌گردند. با تحليل صورت گرفته مشاهده شد كه ويژگي‌ انسجام اندازه ميان كانال‌ها مي‌تواند داده‌هاي شامل 10 كلاس را با دقت 56 درصد و داده‌هاي شامل سه كلاس را با دقت 85 درصد تفكيك نماييد. همچنين با بررسي ويژگي همگامي فاز مشاهده شد كه زيرباند فركانسي بتا تاثير بيشتري از ساير بازه‌هاي فركانسي در فرآيند تشخيص تصاوير اعداد دارد.

195845

دانشگاه علم و صنعت ايران

مهندسي پزشكي - بيوالكتريك

دكتر وحيد شالچيان