مهندسی عصبی عضلانی
سیده تهمینه ساداتی؛ محمدرضا دلیری
دوره 12، شماره 1 ، خرداد 1397، ، صفحه 1-10
چکیده
واسط مغز-کامپیوتر سیستمی است که بر اساس فعالیت عصبی تولید شده توسط مغز عمل میکند و در سالهای اخیر مورد توجه بسیاری از محققان قرار گرفته است. این واسطها مستقل از مسیر خروجی متداول اعصاب محیطی و ماهیچهها بوده و به دلیل توانایی آنها در فراهم ساختن بعد جدیدی در ارتباطات و یا کنترل دستگاه برای افراد ناتوان، بسیار حائز اهمیت میباشند. ...
بیشتر
واسط مغز-کامپیوتر سیستمی است که بر اساس فعالیت عصبی تولید شده توسط مغز عمل میکند و در سالهای اخیر مورد توجه بسیاری از محققان قرار گرفته است. این واسطها مستقل از مسیر خروجی متداول اعصاب محیطی و ماهیچهها بوده و به دلیل توانایی آنها در فراهم ساختن بعد جدیدی در ارتباطات و یا کنترل دستگاه برای افراد ناتوان، بسیار حائز اهمیت میباشند. فعالیت عصبی مورد استفاده در واسط مغز-کامپیوتر، میتواند توسط روشهای تهاجمی یا غیرتهاجمی مختلفی ثبت شده و توسط الگوریتمهای رمزگشایی متفاوتی به سیگنال مطلوب تبدیل گردند، که هر یک نیز کارایی متفاوتی از خود نشان میدهند. در این مطالعه، از 3 موش صحرایی (رت) برای انجام حرکتی شامل فشردن یک کلید و دریافت یک قطرهی آب توسط اهرم متحرک (در صورت انجام صحیح وظیفه) استفاده شده است. با کاشت یک آرایهی میکروالکترودی 16 کاناله در قشر حرکتی رتها (به روش تهاجمی)، سیگنال مرتبط با نیروی اعمالی توسط دست، از مغز آنها در حین انجام وظیفه ثبت شده و بهطور همزمان سیگنال نیروی دریافتی توسط سنسور نیز ذخیره گشته است. با انجام پیشپردازشهای لازم روی دادههای اسپایک و استخراج نرخهای آتش سیگنال، به عنوان بردار ویژگی، توسط لغزاندن یک پنجرهی گوسی روی قطارهای اسپایک، ورودیهای لازم برای الگوریتم رمزگشایی، که در اینجا رگرسیون خطی میباشد، به دست آمده است. از دو الگو به عنوان روشهای ارزیابی استفاده شده است. الگوی اول، بر مبنای در نظرگرفتن 60% اولیهی سیگنال به عنوان مجموعهی آموزشی و 40% انتهایی به عنوان مجموعهی آزمایشی استوار بوده و مبنای الگوی دوم، برعکس الگوی اول میباشد. از ضریب همبستگی بین بردار ویژگی و سیگنال آموزشی نیروی واقعی استفاده شده است، تا ویژگیهایی با ضریب همبستگی بیش از 3/0 به عنوان ویژگیهای مطلوب انتخاب گردند تا کارایی الگوریتم رمزگشایی با اعمال روش انتخاب ویژگی نیز بررسی شود. روشهای متعددی برای ارزیابی الگوریتم رمزگشایی وجود دارد، که در این پژوهش از معیار ضریب همبستگی و ضریب تعیین استفاده شده است که اندازهی آنها رابطهی مستقیمی با کارایی روش رمزگشایی دارد. در این مطالعه، همبستگی و ضریب تعیین بین سیگنال نیروی واقعی و سیگنال پیشبینی شده توسط روش رگرسیون خطی، به صورت میانگین در سه جلسه و سه رت، به ترتیب برابر با 56/0 و 2/0 برای الگوی اول و 55/0 و 30/0 برای الگوی دوم میباشد. این نتایج نشان میدهد که با استفاده از نرخ آتش نورونهای مغزی، میتوان متغیرهای حرکتی مانند نیرو را پیشبینی کرد. همچنین روش رگرسیون خطی روشی مناسب برای رمزگشایی سیگنال پیوستهی نیرو میباشد و سیگنال واقعی را به خوبی دنبال میکند.
مهندسی عصبی عضلانی
حسام مرادخانی؛ وحید شالچیان
دوره 10، شماره 4 ، دی 1395، ، صفحه 325-337
چکیده
هجیکنندة P300، یکی از رایجترین واسطهای مغز-کامپیوتر مبتنیبر ثبت الکتروانسفالوگرام است که تواناییهای ارتباطی سادهای را برای افراد دچار عارضههای شدید گفتاری یا حرکتی فراهم میکند، تا قادر باشند بهتر با محیط اطراف خود ارتباط برقرار کنند. استفاده از الگوی صفحة شطرنجی معرفیشده توسط Townsend و همکارانش [1]، بهجای الگوی سطری-ستونی، ...
بیشتر
هجیکنندة P300، یکی از رایجترین واسطهای مغز-کامپیوتر مبتنیبر ثبت الکتروانسفالوگرام است که تواناییهای ارتباطی سادهای را برای افراد دچار عارضههای شدید گفتاری یا حرکتی فراهم میکند، تا قادر باشند بهتر با محیط اطراف خود ارتباط برقرار کنند. استفاده از الگوی صفحة شطرنجی معرفیشده توسط Townsend و همکارانش [1]، بهجای الگوی سطری-ستونی، یکی از موفقترین الگوهای تحریک ارائهشده در مطالعات قبلی برای افزایش دقت هجیکننده بوده است. هدف روش پیشنهادی این مطالعه، که با عنوان الگوی شطرنجی با تحریک شکلک-تصویری نامگذاری شده است، بررسی اثر جایگزینی تحریک شکلک-تصویری در الگوی صفحة شطرنجی و مقایسة کارآیی آن با تحریک چشمک زدن کاراکترها است. در این مطالعه، چشمک زدن کاراکترها در الگوی شطرنجی را با نمایش یک شکلک-تصویری بهجای کاراکترها جایگزین کردیم. برای ارزیابی و مقایسة کارایی الگوی پیشنهادی با الگوی شطرنجی، برای هریک از دو الگو، هجیکننده روی دادههای ثبتشده از ده فرد سالم در فاز برون خط، تعلیم داده شد و دقت هجیکننده در فاز برخط محاسبه شد. ارزیابی آزمون برخط نشان داد، میانگین دقت طبقهبندی هجیکننده با استفاده از الگوی پیشنهادی این مطالعه نسبت به الگوی شطرنجی، 14% بهبود یافته است. یافتههای این مطالعه نشان میدهد که تحریک ناشی از نمایش شکلک-تصویری بهجای چشمک زدن کاراکترها، نقش مؤثری در افزایش دقت طبقهبندی هجیکننده داشته است.
رضا فوده؛ وحید شالچیان؛ محمدرضا دلیری
دوره 10، شماره 3 ، مهر 1395، ، صفحه 267-277
چکیده
استخراج ویژگیهای تفکیکپذیر، بخشی مهم در سیستمهای واسط مغز-کامپیوتر (BCI) است، که میتواند بر کارایی طبقهبندی، تاثیرگذار باشد. برای رسیدن به این هدف، الگوهای فضایی مشترک (CSP)، روشی متداول است که در سیستمهای BCI مبتنیبر تصورات حرکتی، استفاده میشود. CSP سعی میکند تا مناسبترین الگوهای فضایی در سیگنال الکتروانسفالوگرام (EEG) ...
بیشتر
استخراج ویژگیهای تفکیکپذیر، بخشی مهم در سیستمهای واسط مغز-کامپیوتر (BCI) است، که میتواند بر کارایی طبقهبندی، تاثیرگذار باشد. برای رسیدن به این هدف، الگوهای فضایی مشترک (CSP)، روشی متداول است که در سیستمهای BCI مبتنیبر تصورات حرکتی، استفاده میشود. CSP سعی میکند تا مناسبترین الگوهای فضایی در سیگنال الکتروانسفالوگرام (EEG) را برای تفکیک گروه های مختلف تصور حرکتی، استخراج کند. بهطور معمول پیش از اعمال CSP، سیگنالهای EEG در باند فرکانسی 30-8 هرتز، فیلتر میشوند تا ریتمهای مربوط به ناهمگامی وابسته به رویداد (ERD)، که میو و بتا نام دارند، استخراج شوند. با این حال، این باند فرکانسی ممکن است در افراد مختلف، یکسان نباشد؛ به همین دلیل، بهینه سازی فیلترهای طیفی در کنار فیلترهای فضایی، میتواند تأثیر بسزایی در بهبود صحت طبقهبندی داشته باشد. در این مقاله، با استفاده از الگوریتم تکاملی بهینه سازی ازدحام ذرات (PSO)، روش یادگیری نوینی را برای به دست آوردن همزمان فیلترهای طیفی و فضایی ارائه میدهیم. همچنین، از معیار اطلاعات متقابل بین ویژگیهای استخراجشده و برچسب گروهها، بهعنوان تابع هزینه استفاده میشود. شبیهسازیهای انجامشده روی مجموعه دادة یک از رقابت BCI، نشان میدهد که صحت طبقهبندی روش پیشنهادی، بهطور معناداری بیشتر از روشهای CSP و بانک فیلتر CSP (FBCSP)، با دو نوع بانک فیلتر متفاوت، است.