مقالات پذیرفته شده                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


چکیده:   (254 مشاهده)
سابقه و هدف: در این مقاله یک واسط مغز و رایانه برای طبقه بندی تصور حرکت دست راست و چپ با استفاده از روش یادگیری عمیق از روی سیگنال های مغزی ارائه شده است. واسط مغز و رایانه به منظور دستیابی به یک راه ارتباطی بین مغز و یک دستگاه خارجی برای بیمارانی مانند اسکلروز جانبی آمیوتروفیک طراحی می شود به گونه ای که کاربر بدون هیچ گونه استفاده از اندام های بدن و با استفاده از مغز خود دستگاه بیرونی از جمله یک ویلچر را کنترل کند.
مواد و روش بررسی: سیگنال الکتروانسفالوگرافی و طیف نگاری نور نزدیک مادون قرمز از 29 فرد سالم ثبت شد و پیش پردازش سیگنال ها به منظور حذف نویز انجام گرفت. سپس سیگنال ها به صورت جداگانه و به صورت ترکیبی به تصاویر دو بعدی زمان فرکانس اسکیلوگرام با استفاده از تبدیل موجک پیوسته تبدیل شدند و تصاویر هر ناحیه از مغز به صورت جداگانه و ترکیبی به شبکه عصبی کانولوشنی از پیش آموزش دیده ResNet 18 برای استخراج ویژگی و طبقه بندی وارد شدند.
یافته ها: نتایج به دست آمده از شبکه عصبی کانولوشنی ResNet18 برای تصاویر اسکیلوگرام در نواحی Frontal-Central, Central-Parietal مغز برای سیگنال الکتروانسفالوگرافی 88 درصد، برای تصاویر اسکیلوگرام سیگنال طیف نگاری نور نزدیک مادون قرمز 85 درصد و برای تصاویر اسکیلوگرام مجموع سیگنال ها دقت 90 درصد به دست آمد.
نتیجه گیری: ترکیب تصاویر اسکیلوگرام سیگنال های مغزی و روش یادگیری عمیق استفاده شده منجر به بهبود دقت طبقه بندی تصور حرکت دست راست و چپ جهت کنترل یک ویلچر نسبت به مطالعات گذشته شد.
     
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز
دریافت: 1399/2/1 | پذیرش: 1399/4/24

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به تازه های علوم شناختی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Advances in Cognitive Science

Designed & Developed by : Yektaweb