تشخيص الگوهاي eeg در هنگام تصور حركت دست با استفاده از يك طبقه بندي كننده ي مبتني بر - Artificial Intelligence

**Astaraki** · ۰۳-۲۲-۱۳۸۹, ۰۷:۲۴ بعد از ظهر

تشخيص الگوهاي eeg در هنگام تصور حركت دست با استفاده از يك طبقه بندي كننده ي مبتني بر تجزيه و تحليل مولفه هاي مستقل

چکيده:
در سال هاي اخير گزارشات بسيار زيادي درباره امكان تشخيص فعاليت هاي ذهني بوسيله سيگنال هاي مغزي ارائه شده است. در اين مقاله از روش تجزيه و تحليل مولفه هاي مستقل جهت بررسي سيگنال هاي مغزي در حين تصور حركت دست و تشخيص تصور حركت دست استفاده مي شود. تجزيه و تحليل مولفه هاي مستقل يك روش گسترش يافته تجزيه و تحليل مولفه هاي اصلي است و براي جداسازي كور منابع مستقل كه بطور خطي تركيب شده اند، بكار مي رود. لذا انتظار مي رود با تجزيه و تحليل مولفه هاي مستقل سيگنال هاي مغزي در حين تصور حركت، فعاليت هاي مختلف مجزاي مغز را در طول فرآيند تصور جدا و بصورت يك مولفه مستقل ارائه داد. نتايج اين تحقيق نشان مي دهد كه مي توان با تجزيه و تحليل مولفه هاي مستقل بر روي سيگنال هاي مغزي در حين تصور حركت، فعاليت هاي مختلف ذهني مربوط به فرآيند تصور را تفكيك كرد. بر اساس اين بررسي، يك طبقه بندي كننده سيگنال هاي مغزي بر مبناي مولفه هاي مستقل جهت تشخيص تصور حركت و حالت استراحت ارائه مي شود. يكي از مسائل مهم درطبقه بندي، استخراج ويژگي ها است. در اين تحقيق، قدرمطلق دامنه ، پراش ، توان متوسط باندهاي آلفا، بتا و تتا توان مولفه هاي فركانسي در باند آلفا، بتا و تتا، و ضرايب مدل خطي خود بازگشتي مربوط به مولفه هاي مستقل بعنوان ويژگي در نظر گرفته شده است و از يك شبكه عصبي پس انتشار خطا جهت طبقه بندي استفاده شده است. نتايج نشان مي دهد كه ويژگي هاي مولفه هاي مستقل نسبت به ويژگي هاي خود سيگنال مغزي، تشخيص دقيق تري را نتيجه داده است.

کليدواژگان:
تشخيص الگو، سيگنال هاي مغزي، eeg، تجزيه و تحليل مولفه هاي مستقل