|
|
دومین کنگره انفورماتیک پزشکی و هفتمین همایش سلامت الکترونیک
|
|
|
| عنوان فارسی |
تشخیص سیگنال P300 از محدودههای زمانی کارآمد سیگنال پتانسیل برانگیخته بینایی |
|
| چکیده فارسی مقاله |
مقدمه: به کارگیری مؤلفه های برانگیخته مغز به واسطه ارائه تحریک به فرد می تواند به عنوان یک ابزار ارتباطی بین انسان و کامپیوتر مطرح گردد. مؤلفه P300 نمونه ای از این امواج است که امروزه مبنای عملکرد برخی از سیستم های رابط مغز و کامپیوتر محسوب می شود. هدف از این پروژه تشخیص سیگنال P300 از محدوده های زمانی کارآمد سیگنال برانگیخته بینایی به منظور استفاده هدفمند از داده ها، کاهش حجم محاسبات و جلوگیری از حذف داده های مناسب است. روش بررسی: سیستم طراحی شده ما بر روی دادگان P300 Speller مسابقات BCI2005 کار می کند که این سیگنال ها را گروه وادثورث در چهارچوب BCI2000 تهیه کرده اند. کانال های مورداستفاده در این پروژه شامل FZ,CZ,PZ,OZ,P4,P3,PO8,PO7 است که این کانال ها ثابت هستند و بهینه نشده اند. سیستم از دو بخش اصلی پیش پردازش و طبقه بند تشکیل شده است. در مقالات متعددی که در حوزه مؤلفه P300 موجود است زمان های متفاوتی را برای تشخیص مؤلفه P300 استفاده کرده اند؛ که اگر انتخاب بازه زمانی مناسب نباشد باعث پیچیدگی محاسبات و یا حذف داده های کاربردی می شود. به منظور جلوگیری از این موارد برآن هستیم که بازه مناسب را تشخیص دهیم. در ابتدا سیگنال دریافتی به بازه های 700 میلی ثانیه ای تقسیم شد که بیشترین بازه برای تشخیص مؤلفه P300 هستند و پس از پیش پردازش سیگنال به عنوان ورودی طبقه بند SWLDA باهدف تشخیص سیگنال های حاوی P300 و فاقد آن درنظر گرفته می شود. در این پروژه از ویژگی های ثابت زمانی استفاده کردیم و بهینه سازی ویژگی در این پروژه مدنظر نبود. برمبنای مقالات فیزیولوژی، بازه های مناسب مؤلفه های سیگنال پتانسیل برانگیخته بینایی را استخراج کردیم و موردبررسی قرار دادیم. در جدول 1 بازه بندی ها را به شرح ذیل خلاصه کردیم. بازه زمانی ردیف 0-30 1 30-70 2 70-100 3 100-130 4 130-160 5 160-250 6 250-550 7 550-700 8 700-1000 9 جدول 1. نحوه بازه بندی سپس بر مبنای نتایج تشخیص مؤلفه P300 در بازه بندی های مختلف، رتبه بندی بازه ها به منظور تشخیص مناسب ترین بازه انجام گرفت. قابل ذکر است این پروژه را در نرم افزار MATLAB پیاده سازی کردیم. یافته ها: گزارش نهایی این پروژه را با استفاده از معیارهای F1-SCORE،AUC، percent correct ارائه می کنیم. بازه 250-550 با AUC=0.95،F1-Score=0.80 و Percent correct=0.3 بالاترین رتبه را در بین بازه های دیگر به دست آورد. و همچنین در بازه 0-700، AUC=0.96 و F1-Score=0.85 و Percent correct=0.85 را نتیجه داد. نتیجه گیری: در این پروژه ما توانستیم بازه های استخراج شده از مقالات فیزیولوژی مربوط به مؤلفه های سیگنال برانگیخته بینایی را بررسی کنیم که بازه 7، 6 و 8 به ترتیب بالاترین رتبه را در تشخیص P300 بست آورده اند. علی رغم اینکه مقالات فیزیولوژی بازه 250-550 را برای تشخیص مؤلفه P300 پیشنهاد کردند اما بازه 0-700 را نیز بررسی کردیم. به این نتیجه رسیدیم که بازه 0-700 بازه مناسب تری برای تشخیص مؤلفه P300 است؛ اما پیشنهاد می گردد که ترکیب بازه های استخراج شده نیز بررسی گردد زیرا ممکن است ترکیب چند بازه نسبت به بازه 0-700 نتیجه بهتری بدهد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
|
|
| چکیده انگلیسی مقاله |
|
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
-
azadi moghaddam -
|
|
| نشانی اینترنتی |
http://mieh-2018.modares.ac.ir/browse.php?a_code=A-10-195-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
