طراحي يك سيستم واسط مغز و رايانه براي تشخيص و طبقه بندي صرع بر اساس سيگنال هاي EEG

كارشناسي ارشد

با شيوع 1٪ جمعيت جهان، صرع يكي از شايع‌ترين اختلالات عصب‌شناختي است كه تنها به سكته مغزي منجر مي‌شود. بيماران مبتلابه صرع دچار تشنج‌هاي مكرر مي‌شوند كه به دليل شخصيت ناتوان و وقوع غيرقابل‌پيش‌بيني اين بيماري بر كيفيت زندگي آن‌ها تأثير مي‌گذارد. براي دهه‌ها، گزينه‌هاي درمان بيماري صرع به‌طور عمده دارويي بوده و به ميزان كم جراحي انجام‌شده است. بنابراين يكي از بحث‌هاي مهمي كه اخيراً موردتوجه محققان قرارگرفته تشخيص و طبقه‌بندي صرع است. هرچند در مقايسه با ساير وسايل كنترلي، دستگاه‌هاي مبتني بر ارتباط مغز و رايانه (BCI) قابليت استفاده پيدا نكرده¬اند، براي كساني كه ازلحاظ حركتي ناتوان هستند، دستگاه‌هاي مبتني بر ارتباط مغز و رايانه مهم‌ترين وسيله¬ي برقراري ارتباط با جهان خارج هست. از اين دستگاه‌ها براي دستور دادن به وسايل كنترلي استفاده مي‌شود. اين وسايل مي¬توانند توانايي¬هاي يك شخص را گسترش دهند. در اين پايان‌نامه يك سيستم BCI براي تشخيص صرع پيشنهادشده است كه در مرحله‌ي طبقه‌بندي از شبكه‌هاي عصبي مصنوعي استفاده مي‌كند. داشتن يك مجموعه ويژگي خوب، به بهبود دقت سيستم BCI كمك مي¬كند. يكي از مهم‌ترين مراحل در سيستم BCI، استخراج ويژگي است؛ بنابراين، محققان بيشتر در اين بخش متمركزشده‌اند. يكي از پارامترهاي مهم در سيستم مغز- رايانه، سرعت است؛ بنابراين، هميشه يك طراحي سيستم با سرعت‌بالا است كه به‌طور هم‌زمان داراي عملكرد بالا است، مطلوب بوده است. در اين پايان‌نامه، الگوريتم-هاي تكاملي (EAs) پس از اعمال روش¬هاي استخراج ويژگي¬هاي معروف اعمال مي¬شود و نتايج نشان داده است زماني كه اين الگوريتم¬هاي استخراج ويژگي به‌تنهايي مورداستفاده قرار مي¬گيرند، دقت بالايي حاصل نمي¬شود؛ اما هنگامي‌كه تركيبي از اين روش¬هاي استخراج ويژگي معروف و الگوريتم¬هاي تكاملي مورداستفاده قرار مي¬گيرد، دقت بيشتري به دست مي¬آيد كه اين واقعيت براي الگوريتم الگوهاي فضايي مشترك (CSP) بسيار مناسب است. لازم به ذكر است كه در مرحله طبقه‌بندي، طبقه‌بندي شبكه¬¬هاي عصبي نيز استفاده مي‌شود. بنابراين علاوه به را اين‌كه دقت سيستم بهبود پيدا كرد با توجه به اينكه تعداد ويژگي‌هاي انتخابي از 178 ويژگي در بازه‌ي 70 تا 80 مي‌باشد، به مقدار قابل‌توجهي پيچيدگي مسئله كاهش پيداكرده است. در اين پايان‌نامه يك سيستم BCI براي تشخيص و طبقه‌بندي صرع پيشنهادشده است. در سيستم BCI پيشنهادي با اضافه كردن يك بلوك انتخاب ويژگي كه به‌نوعي فرآيند كاهش ويژگي را انجام مي‌دهد علاوه به پايين آوردن پيچيدگي محاسباتي، باعث مي‌شود كه دقت هم به مقدار قابل‌توجهي بهبود يابد. واژه‌هاي كليدي: BCI ، EEG ، CSP ، صرع، طبقه¬بندي، شبكه‌هاي عصبي، الگوريتم‌هاي تكاملي.

191547

دانشگاه علم و صنعت ايران

الكترونيك سيستم ديجيتال

دكتر ستار ميرزا كوچكي