طبقه بندی پتانسیل های قشر مغز به منظور تشخیص فرمان‌های حرکتی پنجة دو دست : ارتباط مستقیم مغز با کامپیوتر

هدف ما در این تحقیق، تشخیص فرمان های حرکتی قشر مغز مربوط به حرکت های پنجة دو دست با استفاده از سیگنال های مغزی جهت ارتباط انسان با کامپیوتر است. در کار قبلی این گروه، تشخیص فرمان های حرکتی پنجة یک دست مورد بررسی قرار گرفت. حرکت های مورد نظر در این تحقیق، بستن، باز کردن و نگه داشتن پنجه های دو دست در حالت چشم باز است. از مهمترین ویژگی های این تحقیق، استفاده از داده های حاصل از سه کانال (F4, Fz,F3) است. تعداد اندک کانال های مغزی جهت تشخیص فرمان های حرکتی، از جنبة کاربردی سیار حائز اهمیت است. پلک زدن چشم باعث ایجاد آرتیفک چشم در سیگنال‌های مغزی می شود. در این تحقیق، آرتیفکت پلک زدن چشم با استفاده از شبکه های عصبی بعنوان فیلتر وفقی حذف شده است. مسألة تشخیص فرمان های حرکتی از سیگنال های مغزی، یک مسألة طبقه بندی است. برای طبقه بندی سیگنال های مغزی، از شبکه های عصبی پس انتشار خطا و شبکه های مبتنی بر توابع پایة شعاعی (RBFN) استفاده کرده ایم. متوسط قدر مطلق دامنه، پراش، توان نرمالیزه شده باندهای آلفا و بتا، نسبت توان باند بتا به آلفا و مقادیر منفرد سیگنال های مغزی بعنوان ویژگی در نظر گرفته شده است. شبکه های مختلفی با بردارهای مختلف ویژگی و دسته های مختلف داده های آموزشی و آزمایشی، برای دو فرد و روزهای آزمایشی مختلف آموزش داده شده و ارزیابی شده اند. تعداد روزهای آزمایشی برای فرد اول، سه روز و برای فرد دوم دو روز بوده است. نتایج این تحقیق نشان می دهد که می توان پنج حالت مغزی (بستن و باز کردن پنجه دست راست، بستن و باز کردن پنج دست چپ و نگه داشتن پنجه های دو دست) را به طور متوسط تا 98/33% و در بهترین حالت تا 99% در حالت چشم باز تشخیص داد. لازم به توجه است تشخیص فرمان های حرکتی قشر مغز مربوط به حرکت های پنجة دو دست برای اولین بار در دنیا در این تحقیق انجام می شود. نحوة انجام آزمایش، استفاده از فیلترهای نرونی جهت حذف آرتیفک چشم، تعداد اندک کانال های مغزی از مهمترین ویژگی های این تحقیق است.

Keywords:

پتانسیل های برانگیخته , پتانسیل های حرکتی , شبکه های عصبی , فیلترهای وفقی عصبی , EEG , شناسایی الگو , ارتباط انسان با کامپیوتر