دوره 22، شماره 3 - ( پاییز 1399 )                   جلد 22 شماره 3 صفحات 104-95 | برگشت به فهرست نسخه ها


XML English Abstract Print


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.
متن کامل [PDF 1099 kb]   (1028 دریافت)    
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

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.