ارتباط‎ مغز-رایانه دوبعدی مبتنی بر توجه انتخابی دیداری به کمک سیگنال-های MEG

چکیده: شناخت حالت‎های مغزی انسان خصوصاً پدیده «توجه» به‎عنوان یکی از بارزترین فعالیت‎های شناختی مغز، در بسیاری از بیماری‎ها مانند نقص توجه - پر تحرّکی، درخودماندگی، نقص عصب، نقص عضو و هم چنین در بسیاری از زمینه‎ها نظیر تصمیم‎گیری، درمان اعتیاد، یادگیری، دروغ‎سنجی، ارتباط مغز- رایانه، رانندگی، نگاهبانی اماکن حفاظتی، سوزنبانی قطار و خلبانی کاربرد دارد. هدف اصلی این مقاله، ارایه روشی کارا برای ارتباط مغز-رایانه (bci) دوبُعدی مبتنی بر «توجه انتخابی دیداری» با استفاده از سیگنال‎های meg است. توجه انتخابی، یک فرآیند شناختی است که در آن شخص تمرکز خود را به طور انتخابی روی یک وجه قرار داده و وجوه دیگر و نیز برخی عوامل منحرف-کننده را نادیده می‎گیرد. در این مقاله، به علت خواص خوب سیگنال مغزی meg، از آن به‎عنوان سیگنال کنترلی در bci استفاده می‎شود. پس از پیش‎پردازش داده، ویژگی‎هایی نظیر ضرایب موجک دابشیز و آنتروپی تقریبی از سیگنال meg استخراج می‎شوند. معمولاً تمام ویژگی‎های استخراجی برای دسته‎بندی مفید نیستند، بنابراین از الگوریتم تحلیل مولفه‌های اصلی (pca)، برای انتخاب مناسب‌ترین دسته ‌ویژگی ها استفاده می‎شود. ویژگی‎های بهینه استخراج شده، به یک ماشین بردار پشتیبان با هسته‎های چندجمله‎ای، تابع پایه شعاعی و هم چنین ماشین بردار پشتیبان موجک (wsvm) با هسته‎های مورلت و کلاه مکزیکی برای طبقه‎بندی داده می‎شوند. درنهایت این مقاله می‎تواند محل حضور محرک را با درصد صحت متوسط 26/92% به کمک دسته‎بندی کننده با هسته مورلت از روی سیگنال meg تشخیص ‎دهد. از مطالعه نواحی مختلف مغزی مشاهده می‎شود، بیش ترین درصد صحت، مربوط به نواحی پیشانی و گیجگاهی است. از نتایج تحقیق می‎توان برای شناسایی بهتر نواحی مختلف مغز در حالت توجه انتخابی دیداری استفاده کرد. نتایج شبیه سازی بیانگر موثر بودن این روش در کاربردهای bci با صحت 26/92% است.