TY - JOUR JF - icss JO - Advances in Cognitive Sciences VL - 22 IS - 3 PY - 2020 Y1 - 2020/10/01 TI - Classification of right and left-hand motor imagery using deep learning inelectroencephalography and near-infrared spectroscopy TT - طبقه‌بندی تصور حرکت دست راست و چپ با استفاده از روش‌های یادگیری عمیق از روی سیگنال‌های الکتروانسفالوگرافی و طیف‌سنجی مادون قرمز N2 - مقدمه: در این مقاله یک واسط مغز و رایانه برای طبقه­‌بندی تصور حرکت دست راست و چپ با استفاده از روش یادگیری عمیق از روی سیگنال­‌های 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 می­‌شود به گونه­‌ای که کاربر بدون هیچ­گونه استفاده از اندام­‌های بدن و با استفاده از مغز خود دستگاه بیرونی از جمله یک ویلچر را کنترل کند. روش کار: سیگنال الکتروانسفالوگرافی و طیف‌­سنجی نور مادون قرمز از 29 فرد سالم ثبت شد و پیش پردازش سیگنال­‌ها به منظور حذف نویز انجام گرفت. سپس سیگنال­‌ها 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 طبقه­‌بندی وارد شدند. یافته‌­ها: نتایج به دست آمده از شبکه عصبی کانولوشنی از پیش آموزش دیده ResNet18 برای تصاویر اسکیلوگرام در نواحی Frontal-Central, Central-Parietal مغز برای سیگنال الکتروانسفالوگرافی 88 درصد، برای تصاویر اسکیلوگرام سیگنال طیف­‌سنجی نور مادون قرمز 85 درصد و برای مجموع تصاویر اسکیلوگرام، دقت 90 درصد به دست آمد. نتیجه­‌گیری: ترکیب تصاویر اسکیلوگرام سیگنال­‌های مغزی و روش یادگیری عمیق استفاده شده منجر به بهبود دقت طبقه­‌بندی تصور حرکت دست راست و چپ نسبت به مطالعات گذشته شد. SP - 95 EP - 104 AU - Ebrahimi, Hamid AU - Shalbaf, Ahmad AU - Jafarnia Dabanloo, Nader AD - Department of Biomedical Engineering and Medical Physics, School of Medicine, Shahid Beheshti University of Medical Sciences, Tehran, Iran KW - Brain-Computer Interface KW - Electroencephalography KW - Near Infrared Light Spectroscopy KW - Convolutional Neural Network UR - http://icssjournal.ir/article-1-1119-fa.html DO - 10.30699/icss.22.3.95 ER -