بررسی الگوریتم آنالیز اجزاء مستقل (ica) جهت تشخیص و تفکیک دو گروه مفهومی کلمات خطر و اطلاع رسانی با استفاده از علائم راهنمایی و رانندگی

زمینه و هدف: در پژوهش های گوناگون از الگوریتم آنالیز اجزاء مستقل (ica) جهت تشخیص و حذف آرتیفکت های چشمی استفاده شده است. اما در این پژوهش، به منظور نوآوری، از الگوریتم ica هم زمان جهت آشکار سازی آرتیفکت چشم و نیز آشکارسازی سیگنال های مغزی دوگروه مفهومی کلمات خطر و اطلاع رسانی استفاده شد. مواد و روش ها: در این مطالعه توصیفی تحلیلی، ثبت سیگنال ها به کمک دستگاه میکرومد و کلاه 19 کاناله به صورت تک قطبی با الکترود مرجع cz انجام شد. جامعه آماری، شامل چهار نفر مرد و چهار نفر زن با دامنه سنی 25 تا 30 سال بود و تکلیف طراحی شده عبارت از سه گروه از تابلوهای راهنمایی و رانندگی بود، به طوری که دو گروه به مفهوم خطر و یک گروه به مفهوم اطلاع رسانی اشاره داشتند. یافته ها: از بین داوطلب، در دو نفر امواج آلفا با توان بسیار بالا در زمان های استراحت در پس سر مشاهده شد، اما در زمان های تفکر این گونه نبود. با توجه به امواج آلفای پس سری، در زمان تغییر تکلیف از تفکر به استراحت، حداقل 3 و حداکثر 5 ثانیه طول کشید تا دو داوطلب وارد استراحت مطلق شدند. در 7 نفر از آن ها، سیگنال های خطر و اطلاع رسانی به خوبی تفکیک شدند که این تفاوت ها در 5 نفر از 8 داوطلب در نیمکره راست و در 3 داوطلب دیگر در نیمکره چپ مشاهده شدند.نتیجه گیری: الگوریتم ica به عنوان یکی از الگوریتم های تشخیص کور منابع، برای تشخیص مفهوم کلمه و جایگاه آن در مغز مناسب می باشد. نتایج این آزمایش با نتایج به دست آمده از روش هایی هم چون تصویر برداری تشدید مغناطیسی عملکردی (fmri) و روش های مبتنی بر برق نگاری سیگنال های مغزی (eeg) در تصور واکه ای در گفتار خاموش یکسان می باشد.

Studying the Independent Component Analysis (ICA) Algorithm for Detection and Separation of Two Conceptual Categories of the Words Danger and Information by Using Traffic Signs

Background: In various researches, ICA is used for detecting and removing eye artifacts but here, for innovation, ICA algorithm is used not only for detecting eye artifacts, but also for detecting brain signals of two conceptual categories of the words Danger and Information. Materials and Methods: In this descriptive analytical study, recording is done by using a Micromed device and a 19channel helmet in unipolar mode that the Cz electrode is selected as reference electrode. The statistical community included four men and four women in the age range of 2530. In the designed task, three groups of traffic signs are considered in which two groups refered to the concept of danger and the other one refered to the concept of information. Results: For two of the eight volunteers, alpha waves were observed with a very high power from back of the head in the test time, but it was different in thinking time. According to this alpha waves, in changing the task from thinking to rest, it takes at least 3 and at most 5 seconds for two volunteers till they go to the absolute rest. For seven of the eight volunteers, danger and information signals well separated that these differences for five of the eight volunteers observed in the right hemisphere and for the other three volunteers in the left hemisphere. Conclusion: ICA algorithm as one of Blind Source Seperation (BSS) algorithms is suitable for recognizing the word rsquo;s concept and its place in the brain. Achieved results from this experiment are the same as the results from other methods like fMRI and methods based on electroencephalograph (EEG) in vowel imagination and covert speech.