|
|
، جلد ۱۸، شماره ۱۲، صفحات ۱۱-۲۳
|
|
|
| عنوان فارسی |
بررسی عملکرد تفکیک کنندهها و ویژگیهای استخراجی جهت تفکیک الگوهای مغزی مربوط به فعالیتهای ذهنی وابسته به چهار جهت اصلی |
|
| چکیده فارسی مقاله |
زمینه و هدف: هدف از پژوهش حاضر طراحی رابط مغز-رایانه جهت تفکیک سیگنالهای مغزی در حین تصور چهار جهت اصلی میباشد. به منظور نوآوری، افراد جهتهای مورد نظر را با کمک قدرت تخیل در ذهن تصویرسازی کردند. الگوریتم آنالیز اجزاء مستقل برای نخستین بار هم در جهت استخراج آرتیفکتها و هم در جهت تعیین سیگنال هدف استفاده گردید. مواد و روشها: در این مطالعه توصیفی- تحلیلی، ثبت سیگنالها با دستگاه میکرومد و کلاه 19 کاناله به صورت تک قطبی انجام شده است. جامعه آماری شامل 3 فرد در بازه سنی 25 تا 30 سال و تکلیف طراحی شده شامل 24 نمایش از چهار جهت اصلی بوده است. یافتهها: شبیهسازیها نشان دادهاند که بهترین صحتهای تفکیک به پنجره زمانی با طول 5/2 ثانیه مربوط بوده است و ویژگی ضرایب مدل خودبازگشتی مرتبه 15 بهترین انتخاب برای ویژگی استخراجی است. برای تمامی حالتهای شبکه عصبی با تعداد لایهها و نورونها و توابع جداساز مختلف، صحتهای تفکیک، تفاوت قابل مقایسهای نداشتند. در مقایسه با شبکه عصبی، آنالیز جداکننده خطی (LDA) صحتهای طبقهبندی بهتری را نشان داد. نتیجه گیری: نتایج پژوهش حاضر با نتایج حاصل از روشهایی همچون تصویرسازی تشدید مغناطیسی کارکردی (fMRI) و روشهای مبتنی بر سیگنالهای مغزی در تصور واکهای هم پوشانی دارد. در این پژوهش با استخراج سیگنال هدف از خروجی الگوریتم آنالیز اجزای مستقل و استخراج ویژگی ضرایب خودبازگشتی و پنجره گذاری با طول 5/2 ثانیه بهترین صحت تفکیک از تفکیک کننده آنالیز جداساز خطی حاصل گشت. |
|
| کلیدواژههای فارسی مقاله |
|
|
| عنوان انگلیسی |
A Study on the Performance of Classifiers and Extracted Features in Discriminating EEG Patterns of Mental Activities Related to Four Main Directions |
|
| چکیده انگلیسی مقاله |
Background: The purpose of this research is to design a Brain-Computer Interface to discriminate the brain signals while the brain images four main directions. To be innovative, the subjects have imaged the aimed directions by power of imagination, and for the first time, the ICA algorithm has been used to detect the aimed signal and to eliminate the artifacts. Materials and Methods: In this descriptive-ana alytic study, signals are recorded by using a Micromed device and a 19-channel helmet in unipolar mode. The statistical population included three persons in the age range of 25 to 30 and the designed task consisted of 24 slides of four main directions. Results: Simulations have shown that the best classification accuracy was the outcome of the 2.5-second time windowing and the best choice for extracting features was the AR coefficients of 15 order. There was no significant difference between the classification accuracy of different implementation of the Artificial Neural Network classifier with different number of layers and neurons and different classification functions. In comparison with the Neural Network, the Linear Discriminant Analysis (LDA) showed better classification accuracies. Conclusion: The results of this research are in accordance with the results of the methods such as FMRI and methods based on the brain signals in vowel imagination. In this research, the best classification accuracy was obtained from the Linear Discriminant Analysis classifier by extracting the target signal from the output of the ICA algorithm and extracting the AR coefficients as feature and the 2.5-second time windowing. The Linear Discriminant Analysis classifier result the best classification accuracies. |
|
| کلیدواژههای انگلیسی مقاله |
|
|
| نویسندگان مقاله |
مهسا باقری | Mahsa Bagheri
Department of Telecommunication, Malek Ashtar Industrial University, Tehran, Iran.
گروه مخابرات، دانشگاه صنعتی مالک اشتر، تهران، ایران.
علی پور محمد | Ali Pourmohammad
Department of Electronic, Amir Kabir University, Tehran, Iran.
گروه برق، دانشگاه امیرکبیر، تهران، ایران .
احسان ایمانی | Ehsan Imani
Department of Telecommunication, Malek Ashtar Industrial University, Tehran, Iran.
گروه مخابرات، دانشگاه صنعتی مالک اشتر، تهران، ایران.
|
|
| نشانی اینترنتی |
http://jams.arakmu.ac.ir/browse.php?a_code=A-10-3780-1&slc_lang=fa&sid=1 |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/2736/article-2736-2048693.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
علوم پایه |
| نوع مقاله منتشر شده |
پژوهشی اصیل |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|