رمزگشايي پارامترهاي حركتي از نرخ دشارژ نورونهاي قشري ناحيه حركتي اوليه موش صحرايي

كارشناسي ارشد

سيستم‌هاي واسط مغز-رايانه كمكي در جهت تبديل سيگنال‌هاي مغزي ثبت‌شده به سيگنال‌هاي كنترلي يك عضو مصنوعي هستند كه به افراد ناتوان اين امكان را خواهند داد كه دوباره قدرت حركت يا كنترل قسمت از دست رفته را در اختيار بگيرد. به‌منظور باز‌سازي كامل يك حركت علاوه بر داشتن اطلاعات كاملي از آن، رمزگشايي از سيگنال نيرو نيز بايد انجام گيرد تا به‌همراه تعيين جهت، ميزان نيروي محرك نيز مشخص شود. سيستم‌هاي واسط مغز-رايانه مبتني بر اسپايك معمولا از روش‌هاي خوشه‌بندي اسپايك ساده استفاده مي‌كنند. با توجه به اين‌كه اسپايك‌ها در طول زمان در پس‌زمينه نويزي گم شده و نسبت سيگنال به نويز داده ثبت‌شده كاهش مي‌يابد ارايه الگوريتمي كه در اين شرايط عملكرد سيستم را بهبود دهد، كمك خوبي به رمزگشايي بهتر خواهد كرد. در اين پروژه قصد داريم با كمك شناسايي و خوشه‌بندي اسپايك‌هاي عصبي ثبت شده از مغز موش، سيگنال نيروي دست جاندار را رمزگشايي كنيم. براي اين هدف ابتدا الگوريتمي براي خوشه‌بندي اسپايك‌هاي عصبي ارايه شد. با كمك آن و پس از به‌دست آوردن نرخ آتش نوروني اقدام به رمزگشايي اين سيگنال كرديم. در روش ارايه‌شده براي استفاده هرچه بهتر از الگوريتم ويولت براي استخراج ويژگي در جهت خوشه‌بندي اسپايك‌ها، پارامترهاي بهينه خوشه‌بندي به‌دست مي‌آيند و با كمك آن‌ها نتيجه مطلوب‌تري در اين كار ايجاد مي‌شود. منظور از اين پارامترها، پارامترهاي مقياس و انتقال زماني هستند. انتخاب پارامترهاي بهينه بر اين اساس صورت مي‌گيرد كه بيشترين فاصله بين خوشه‌ها درفضاي ويژگي اسپايك هاي موجود در كانال حاصل شود. الگوريتم پيشنهادي ابتدا بر روي داده شبيه‌سازي شده اعمال گرديد و عملكرد آن در خوشه‌بندي اسپايك‌هاي عصبي مورد ارزيابي قرار گرفت. پس از كسب اطمينان از صحت عملكرد آن، به‌منظور رمزگشايي سيگنال نيروي داده‌هاي واقعي استفاده شد. نرخ آتش به‌دست آمده از الگوريتم پيشنهادي را با دو روش متداول رمزگشايي حداقل مربعات جزيي و فيلتر كالمن رمزگشايي نموديم. نتايج حاصل از كار ما نشان داد كه پارامتر نيروي اعمال شده را مي‌توان با كمك داده‌هاي ثبت‌شده از ناحيه حركتي مغز موش صحرايي رمزگشايي نمود. در داده تحليل شده الگوريتم رمزگشايي حداقل مربعات جزيي كارايي بهتري نسبت به الگوريتم فليتر كالمن نشان داد. بررسي ما افزايش 4 درصدي را در ميزان ضريب همبستگي به‌دست آمده با استفاده از الگوريتم خوشه‌بندي اسپايك‌هاي عصبي ارايه شده در مقايسه با روش چند واحده ايجاد نمود. بر اساس مطالعه ما، با استفاده از الگوريتم پيشنهادي و با روش ارزيابي 7-Fold مي‌توان به همبستگي 61/0 رسيد. در روش ارزيابي "يك نمونه خارج‌شده" نيز همبستگي مطلوبي نتيجه شد به‌طوري‌كه با الگوريتم رمزگشايي حداقل مربعات جزيي اين عدد 65/0 و با الگوريتم فيلتر كالمن اين عدد برابر 62/0 به‌طور ميانگين در سه موش صحرايي مي‌باشد.

192572

دانشگاه علم و صنعت ايران

مهندسي پزشكي - بيوالكتريك

دكتر وحيد شالچيان