سعید طهماسبی

رابط مغز و رایانه یک حوزه جدید در علوم مهندسی و پزشکی است که به بررسی مسئله کنترل دستگاههای بیرونی به کمک تحلیل سیگنالهای مغزی میپردازد. ثبت سیگنال از مغز به روش به دلیل ثبت مستقیم فعالیت نورونی، سادگی فرآیند ثبت و همچنین هزینه پایین، روش EEG ها است. هدف از این پایاننامه طبقهبندی فعالیتهای مغزی ثبت BCI مرسومتری در طراحی EEG شده در یک کار شناختی و تشخیص خودکار فعالیت ذهنی استراحت با استفاده از سیگنال است. BCI چند کاناله برای درک رابطه بین فرآیندهای شناختی و پاسخهای مغز و ارائه یک های باینری مورد استفاده قرار گیرد. BCI نتایج این طبقهبندی میتواند در طراحی در ابتدا، پیشپردازشهایی بر روی دادههای دستیافته از تعدادی داوطلب، انجام شده است. سپس این دادهها بخشبندی شده و ویژگیهای آماری غیرخطی شامل آنتروپیهای مختلف از هر بخش استخراج شده است. با انتخاب طبقهبند مناسب، هر بخش 2 ثانیهای سیگنال به یکی از دو حالت استراحت و فعالیت محاسباتی در حالت تک قطبی و دو قطبی طبقهبندی شده و با LOOCV و k-fold ،hold out سه روش ارزیابی مختلف انجام شده است. بهترین دقت در روش 94 % و 94 % گزارش شده است. بر اساس طبقهبندی و انتخاب ویژگی مناسب با ،% به ترتیب 97 روش پیشنهادی، مشخص شده که طبقهبند جنگل تصادفی نسبت به سایر طبقه بندهای آزمایش- شده بهتر عمل کرده و دقت بالاتری ارائه داده است. همچنین مونتاژ دو قطبی عملکرد بالاتری نسبت به مونتاژ تک قطبی گزارش داده است که این دقت بالاتر ناشی از کاهش نویز جمع شونده در مونتاژ دوقطبی نسبت به مونتاژ تک قطبی است.