پردازش سیگنال‌های eeg دو گروه حافظان و غیرحافظان متون طولانی در دو فاز رمزگذاری و بازیابی حافظه دیداری

مقدمه: هدف اصلی این پ‍ژوهش بررسی و آنالیز تغییرات باندهای فرکانسی مختلف سیگنال‌های مغزی در بین دو گروه حافظین و غیر‌حافظین قرآن است. این تحقیق بر اجرای آزمون‌های حافظه دیداری با استفاده از نرم‌افزار کنتب با تاکید بر انتخاب کانال‌های ویژگی بهینه و استفاده از طبقه‌بندی کننده‌های مختلف تمرکز دارد. مواد و روش‌ها: ابتدا سیگنال‌های مغزی از 15 حافظ قرآن و 15 غیر‌حافظ قرآن در طول اجرای آزمون‌های تطبیق تاخیری با نمونه، یادگیری جفت‌های متداعی و حافظه تشخیص فضایی، آزمون حافظه تصویری نرم‌افزار کنتب ثبت شد. به‌دنبال پیش‌پردازش مناسب، ویژگی‌های غیر‌خطی مانند مشخصه لیاپانوف، بعد همبستگی، آنتروپی و پارامترهای تحلیل نوسانات روند‌‌زدایی شده استخراج شد، انتخاب کانال‌های مربوطه با استفاده از روش‌های آزمون t، الگوریتم ژنتیک، جستجوی مستقیم ترتیبی انجام شد، طبقه‌بندی کننده‌ها شامل استفاده از پرسپترون چند‌لایه، ماشین‌بردار پشتیبان و الگوریتم‌های ساده بیز بودند. یافته‌ها: کانال‌های بهینه انتخاب شده عمدتا نواحی پیشانی، پس‌سری و اکسی‌پیتال مرتبط با شبکه توجه و حافظه دیداری حافظه قرآن بود، در بیشتر موارد میانگین توان مولفه‌های فرکانس پایین در سیگنال‌های مغزی در حافظان قرآن بیشتر از غیر‌حافظان بود. شبکه عصبی پرسپترون چند لایه با استفاده از کانال‌های بیهنه انتخاب شده به کمک روش الگوریتم ژنتیک بین دو گروه حافظان و غیر‌حافظان قرآن دارای بالاترین صحت با درصد 94/79 می‌باشد. نتیجه‌گیری: تجزیه و تحلیل داده‌های مغزی نشان داد که نسبت توان مولفه‌های فرکانس پایین به بالا و نسبت توان باندهای تتا به بتا نشان دهنده افزایش آرامش و صبر در بین دو گروه حافظان و غیر‌حافظان در طول دوره بازیابی حافظه تصویری است، این افزایش تمرکز و توجه، منجر به درصد پاسخ‌های صحیح و افزایش زمان واکنش در گروه حافظین در حین اجرای حافظه تصویری با استفاده از نرم‌افزار کنتب شد، در روش شبکه عصبی پرسپترون چند‌لایه با استفاده از ویژگی‌های انتخاب شده توسط روش الگوریتم ژنتیک، به‌ویژه آنتروپی نمونه و تقریبی در باندهای فرعی a5 و d در نواحی اکسی‌پیتال، پس‌سری و مرکزی به درصد صحت بالاتری در حین اجرای آزمون dms دست یافتیم.

processing of eeg signals two groups memorizers and non-memorizers of long texts during the encoding and retrieval phases of the visual memory

introduction: the main purpose of this research is to explore and analyze changes in various frequency bands of brain signals among two distinct groups: memorizers and non-memorizers of the quran. this investigation focuses on the execution of visual memory tests using cantab software, with an emphasis on selecting optimal feature channels and employing different classifiers. materials and methods: first, brain signals were recorded from 15 quran memorizers and 15 non-quran memorizers during the performance of delayed matching to sample (dms), paired associates learning (pal), and spatial recognition memory image memory tests using cantab software. following appropriate pre-processing, non-linear features such as lyapunov profile, correlation dimension, entropy, and detrended fluctuation analysis parameters were extracted. the selection of relevant channels was performed using t-test, sequential forward selection, and genetic algorithm (ga) methods. classification involved the use of multi-layer perceptron (mlp), support vector machine, and naïve bayes algorithms. results: the selected optimal channels were primarily associated with frontal, parietal, and occipital brain regions involved in the attention network and visual memory of quran memorizers. in most instances, the average power of low-frequency components in brain signals was found to be higher in memorizers than in non-memorizers. the mlp neural network, utilizing optimal channels selected by the ga method, demonstrated the highest accuracy between memorizers and non-memorizers at 94.79%. conclusion: analysis of eeg data revealed that the power ratio of low-frequency components, the power ratio of low-to-high-frequency components, and the power ratio of theta to beta bands indicated an increase in relaxation and patience among the memorizer group during the retrieval phase of visual memory. this enhanced concentration and attention, leading to a higher percentage of correct answers and increased reaction time in the memorizer group during the implementation of visual memory tests using cantab software. the mlp neural network, employing features selected by the ga method, particularly sample and approximate entropy in d, a5 sub-bands, and in the occipital, parietal, and central brain regions, achieved a superior accuracy percentage in the implementation of the dms test.