مهرزاد امیری - گروه مکاترونیک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، سمنان
کیوان معقولی - گروه مهندسی پزشکی،دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
وحید قدس - گروه مکاترونیک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، سمنان

پتانسیل های وابسته به رخداد ( ERP ) یکی از مهمترین سیگنال های الکتریکی مرتبط بافعالیت های شناختی مغز می باشند.از میان مولفه های شناخته شده از سیگنال ERP که با فعالیت شناختی مغز مرتبط هستند، P300 از جایگاه خاصی برخوردار است.بوجود آمدن P300 به دلیل فعالیت خاصی از مغز است که در نتیجه ی حضور یک تحریک غیر معمول در سیگنال ERP ظاهر میشود.ضعف عمده ی مؤلفه ی P300 کم بودن دامنه ی این مؤلفه در مقایسه با نویزها و دیگر آرتفیکت های موجود در هنگام ثبت سیگنال EEG میباشد. برای این منظور و بهبود عملکرد آن الگوریتم های مختلفی برای پیش پردازش و طبقه بندی ارائه شده وکارایی هر کدام از آنها در تشخیص حضور P300 در سیگنال EEG بررسی شده است.در واقع هدف از این تحقیق ارزیابی و تجزیه و تحلیل سیگنال های EEG بر اساس دو نوع تحریک (هدف ،غیر هدف) و طبقه بندی آنها بااستفاده از الگوریتم Adaboost می باشد. الگوی کلی ثبت P300 یک الگوی تحریک Oddball است.در این تحقیق از تبدیل ویولت جهت آماده نمودن بردار ویژگی ها و از طبقه بندی کننده Adaboost جهت دسته بندی آنها استفاده شده است. دقت نهایی تشخیص تحریک هدف از غیر هدف بر اساس روش های اعمال شده برابر 98 % در دادگان آموزش و 94 % آزمایش می باشد.

ERP ، مولفه P300 ، الگوریتم Adaboost ، تبدیل ویولت، هدف، غیرهدف