|
|
|
|
طبقه بندی سیگنال های چندوجهی eeg + fnirs با استفاده از کشیدگی طیفی و ماشین بردار پشتیبان
|
|
|
|
|
|
|
|
نویسنده
|
اصغرزاده بناب اکبر ,حاتمیان امیر
|
|
منبع
|
ششمين همايش ملي فناوريهاي نوين در مهندسي برق، كامپيوتر و مكانيك ايران - 1402 - دوره : 6 - ششمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران - کد همایش: 02221-18264 - صفحه:0 -0
|
|
چکیده
|
واسط مغز و کامپیوتر (bci) ارتباطی بین مغز انسان و دنیای واقعی ایجاد می کند که فرد از طریق آن می‌تواند با استفاده از فعالیت مغزی خود با دستگاه‌هایی خارج از سیستم حرکتی فیزیولوژیکی خود ارتباط برقرار کرده و آن‌ها را کنترل کند. این رابط ها در حال حاضر در حوزه های مختلفی از جمله پزشکی، آموزش، سرگرمی، بازی، بازاریابی و خودکنترلی استفاده می شوند. در سالهای اخیر استفاده از سیگنال های چندوجهی در کاربردهای bci گسترش یافته است که می توان به استفاده همزمان از سیگنالهای الکتروانسفالوگرافی (eeg) و طیف‌سنجی عملکردی مادون قرمز نزدیک (fnirs) اشاره کرد. با توجه به نتایج امیدوارکننده استفاده همزمان از eeg و fnirs، در این پژوهش روشی چندوجهی با استفاده از سیگنال های eeg و fnirs ارائه می شود. برای این منظور، ابتدا سیگنال fnirs به سیگنال های hbo و hbr تجزیه می شود. در ادامه، این دو سیگنال و سیگنال eeg با استفاده از فیلترهای دیجیتال به چندین زیرباند تجزیه می شوند. در ادامه، کشیدگی طیفی هر زیرباند به عنوان ویژگی استخراج شده و پس از ترکیب، به عنوان بردار ویژگی نهایی به طبقه بند بردار پشتیبان ماشین اعمال می شوند. نتایج به دست آمده نشان می دهند که روش پیشنهادی نسبت به سایر روش ها دقت تشخیص بالاتری دارد. هم چنین استفاده از سیگنال ترکیبی eeg + fnirs دقت طبقه بندی بالاتری نسبت به استفاده منفرد از هرکدام از سیگنال های eeg و fnirs دارد.
|
|
کلیدواژه
|
واسط مغز و کامپیوتر، سیگنال چندوجهی، کشیدگی طیفی، طبقه بند svm
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
a.hatamian@urmia.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
classification of multimodal eeg + fnirs signals using spectral kurtosis and support vector machine
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|