|
Title
|
طبقه بندي خودكار حالت استراحت و وظيفه محاسبات ذهني بر اساس سيگنالهاي EEG به منظور توسعه رابطهاي مغز و رايانه
|
|
Type
|
Thesis
|
|
Keywords
|
الكتروانسفالوگراف، حالت استراحت، محاسبات ذهني، رابط مغز و رايانه، طبقه بندي
|
|
Abstract
|
رابط مغز و رايانه يك حوزه جديد در علوم مهندسي و پزشكي است كه به بررسي مسئله كنترل دستگاههاي بيروني به كمك تحليل سيگنالهاي مغزي ميپردازد. ثبت سيگنال از مغز به روش به دليل ثبت مستقيم فعاليت نوروني، سادگي فرآيند ثبت و همچنين هزينه پايين، روش EEG ها است. هدف از اين پاياننامه طبقهبندي فعاليتهاي مغزي ثبت BCI مرسومتري در طراحي EEG شده در يك كار شناختي و تشخيص خودكار فعاليت ذهني استراحت با استفاده از سيگنال است. BCI چند كاناله براي درك رابطه بين فرآيندهاي شناختي و پاسخهاي مغز و ارائه يك هاي باينري مورد استفاده قرار گيرد. BCI نتايج اين طبقهبندي ميتواند در طراحي در ابتدا، پيشپردازشهايي بر روي دادههاي دستيافته از تعدادي داوطلب، انجام شده است. سپس اين دادهها بخشبندي شده و ويژگيهاي آماري غيرخطي شامل آنتروپيهاي مختلف از هر بخش استخراج شده است. با انتخاب طبقهبند مناسب، هر بخش 2 ثانيهاي سيگنال به يكي
از دو حالت استراحت و فعاليت محاسباتي در حالت تك قطبي و دو قطبي طبقهبندي شده و با LOOCV و k-fold ،hold out سه روش ارزيابي مختلف انجام شده است. بهترين دقت در روش 94 % و 94 % گزارش شده است. بر اساس طبقهبندي و انتخاب ويژگي مناسب با ،% به ترتيب 97 روش پيشنهادي، مشخص شده كه طبقهبند جنگل تصادفي نسبت به ساير طبقه بندهاي آزمايش-
شده بهتر عمل كرده و دقت بالاتري ارائه داده است. همچنين مونتاژ دو قطبي عملكرد بالاتري نسبت به مونتاژ تك قطبي گزارش داده است كه اين دقت بالاتر ناشي از كاهش نويز جمع شونده در مونتاژ دوقطبي نسبت به مونتاژ تك قطبي است.
|
|
Researchers
|
zahra ahmadi (Student) , Hojat Ghimatgar (Primary advisor) , Reza Dianat (Primary advisor) , Saeid Tahmasebi (Advisor)
|