طراحی یک سیستم واسط مغز و رایانه برای تشخیص صرع بر اساس سیگنال های مغزی و افزایش کارآیی آن به کمک انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری

داشتن یک مجموعه ویژگی خوب، به بهبود دقت سیستم (Brain-Computer Interface) BCI کمک میکند. یکی از مهمترین مراحل در سیستم BCI، استخراج ویژگی است؛ بنابراین، محققان بیشتر در این بخش متمرکزشده اند. یکی از پارامترهای مهم در سیستم مغز- رایانه، سرعت است؛ بنابراین، همیشه یک طراحی سیستم با سرعت بالا است که به طور همزمان دارای عملکرد بالا است. در این مقاله، الگوریتم های تکاملی (EAs) پس از اعمال روش های استخراج ویژگیهای معروف اعمال میشود و نتایج نشان داده است زمانی که این الگوریتم های استخراج ویژگی بهتنهایی مورداستفاده قرار می گیرند، دقت بالایی حاصل نمیشود؛ اما هنگامیکه ترکیبی از این روشهای معروف و الگوریتم های تکاملی در مرحله استخراج ویژگی مورداستفاده قرار میگیرد، دقت بیشتری به دست می آید که این واقعیت برای الگوریتم الگوهای فضایی مشترک (CSP) بسیار مناسب است. لازم به ذکر است که در مرحله طبقه بندی، طبقه بندی شبکه های عصبی نیز استفاده میشود.

Keywords:

BCI , CSP , EEG , انتخاب ویژگی