|
|
روش تجزیهی حالت تجربی–تحلیل همبستگی متعارف با طبقهبند شبکهی عصبی برای بازشناسی فرکانس پتانسیل برانگیخته ی بینایی حالت ماندگار
|
|
|
|
|
نویسنده
|
صادقی سحر ,مالکی علی
|
منبع
|
مهندسي پزشكي زيستي - 1396 - دوره : 11 - شماره : 2 - صفحه:101 -109
|
|
|
چکیده
|
بهمنظور افزایش تعداد فرکانسهای تحریک در واسط مغزکامپیوتر مبتنی بر پتانسیل برانگیختهی بینایی حالت ماندگار، با توجه به محدودیت کاهش گام فرکانسی، ناگزیر به افزایش گسترهی فرکانسی میباشیم. این موضوع، قرارگیری فرکانسهای با رابطهی هارمونیک در گسترهی فرکانسهای تحریک و افزایش خطا در بازشناسی فرکانس را در پی خواهد داشت.در این مقاله، روشی سه مرحلهای، شامل تجزیهی حالت تجربی، تحلیل همبستگی متعارف و طبقهبند شبکهی عصبی، ارائه شده است، که میتواند مشکل خطای بازشناسی را برای گسترهی وسیع فرکانسی که شامل فرکانسهای با رابطهی هارمونیک هستند را برطرف نماید. بدین منظور، تحریک بینایی در محدودهی 6 تا 16، با گام فرکانسی 0.5 هرتز، با استفاده از جعبهابزار سایکوفیزیکس در متلب ایجاد شد. ثبت سیگنال پتانسیل برانگیختهی بینایی حالت ماندگار از ده سوژه و تنها از الکترود oz صورت گرفت. پس از استخراج توابع حالت ذاتی سیگنال توسط تجزیهی حالت تجربی و بازسازی سیگنالهای ترکیبی، تحلیل همبستگی متعارف اعمال گردید. دو ویژگی شامل فرکانس بازشناسی شده و مقدار همبستگی در این فرکانس، استخراج و به طبقهبند شبکهی عصبی داده شد.میانگین صحت بازشناسی بهازای پنجرهی زمانی هشت ثانیه، برای تحلیل همبستگی متعارف (n=1)، %78 و برای تحلیل همبستگی متعارف (n=2)، %74 بود که با روش پیشنهادی، به ترتیب به %82 و %77 افزایش یافت. n تعداد هارمونیکها در ایجاد سیگنال مرجع روش تحلیل همبستگی متعارف را نشان میدهد.بهطور متناظر، بهازای پنجرهی زمانی چهار ثانیه برای حالت n=1، صحت از%78 به %83 و برای حالت n= 2 از %78 به %80 افزایش یافت. روش پیشنهادی توانسته است برای گسترهی وسیع فرکانسی، صحت بازشناسی فرکانس را نسبت به روش تحلیل همبستگی متعارف استاندارد بهبود بخشد. بر این اساس، امکان افزایش تعداد گزینههای فرکانسی با وسیعتر نمودن گسترهی فرکانس تحریک و درنتیجه افزایش نرخ انتقال اطلاعات فراهم میگردد.
|
کلیدواژه
|
واسط مغز-کامپیوتر، پتانسیل برانگیختهی بینایی حالت ماندگار، تحلیل همبستگی متعارف، تجزیهی حالت تجربی، طبقهبند شبکهی عصبی
|
آدرس
|
دانشگاه سمنان, گروه مهندسی پزشکی, ایران, دانشگاه سمنان, گروه مهندسی پزشکی, ایران
|
پست الکترونیکی
|
amaleki@semnan.ac.ir
|
|
|
|
|
|
|
|
|
The EMDCCA with Neural Network Classifier to Recognize the SSVEP Frequency
|
|
|
Authors
|
Maleki Ali ,Sadeghi Sahar
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|