تشخيص گروه تصاوير مشاهده شده از روي سيگنال EEG با استفاده از شبكه هاي عصبي مصنوعي

كارشناسي ارشد

چكيده: رمزگشايي از سيگنالهاي مغزي ميتواند يكي از جذاب ترين تحقيقات بشري براي يافتن حقايقي هر چند كوچك در برابر اين خلقت بزرگ باشد. يافتن ارتباطي بين يافته هاي محيطي مانند ديدن ، شنيدن و لمس كردن و سيگنالهاي مغزي ميتواند اطلاعات مفيدي در علوم شناختي و اكتسابي در اختيار بشريت قرار دهد. ارتباط بين تصاوير مشاهده شده و سيگنالهاي مغزي مرتبط با آن تصاوير و تفكيك سيگنالهاي مغزي بر اساس تصاوير مشاهده شده موضوعي است كه در اين تحقيق به آن پرداخته شده است. در اين پايان نامه ، رمزگشايي سيگنالهاي مغزي بر اساس تصاوير اعداد مشاهده شده توسط افراد مورد بررسي قرار گرفته است. محرك هاي بينايي شامل تصاوير دست نوشته اعداد يك تا سه بوده كه از مجموعه دادگان اعداد دست نوشته استاندارد به صورت تصادفي انتخاب شده-اند. اين تصاوير به صورت تصادفي به 7 داوطلب كه ثبت سيگنال مغزي از آنها انجام شده است نمايش داده شده است. سيگنالهاي ثبت شده از اين افراد به منظور دسته بندي مورد پيش پردازش و تحليل و آماده سازي قرار گرفته و پس از فيلتر كردن سيگنالها از ICA براي حذف نويزها استفاده شده است. از روش تبديل موجك براي استخراج ويژگي و براي انتخاب ويژگي و كاهش بعد از روشهاي رتبه بندي ويژگيها استفاده شده است. براي طبقه بندي اين سيگنالها از شبكه هاي عصبي مصنوعي مانند شبكه هاي عصبي MLP و شبكه هاي عصبي RBF استفاده شده است. همچنين از تفكيك كننده SVM چند كلاسه به عنوان گزينه ديگري در طبقه بندي استفاده شده است. با اعمال مقادير متفاوتي از نورونها و لايه ها براي تعيين ساختار نهايي طبقه بندي كننده هاي شبكه عصبي ، اين مقادير تعيين گرديدند. نتايج طبقه بندي ها نشان مي¬دهد كه در بين طبقه بندي كننده هاي شبكه عصبي، شبكه عصبي RBF با ميانگين 55 درصد با ويژگيهاي آزمون تي و همينطور در مجموع طبقه بندي كننده SVM با ميانگين 65 درصد بيشترين راندمان را در بين طبقه بندي كننده ها داشته¬اند. كلمات كليدي: طبقه بندي كننده هاي شبكه عصبي ، تبديل موجك ، استخراج ويژگي

189438

دانشگاه علم و صنعت ايران

بيوالكتريك

دكتر محمد رضا دليري - دكتر وحيد شالچيان