1- گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2- گروه مهندسی و فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
3- گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
چکیده: (2484 مشاهده)
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.
نوع مطالعه:
پژوهشي اصیل |
موضوع مقاله:
مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز دریافت: 1399/2/1 | پذیرش: 1399/4/24 | انتشار: 1399/7/10