تشخيص توجه در سيگنال هاي موج نگاري مغزي با كمك معماري يادگيري عميق و شبكه اتصالات مغزي

كارشناسي ارشد

ذهن انسان در هر لحظه با دريايي از اطلاعات ورودي مواجه است كه براي عبور از پيچيدگي‌هاي محيط اطراف خود، نياز دارد كه اطلاعات مورد نياز را اولويت بندي كرده و اطلاعات نامربوط را رها كند. راهكاري كه در مغز انسان وجود دارد براي الويت‌بندي و حذف اطلاعات نامربوط چيزي جز ساز و كار توجه نيست. امروزه بررسي، تشخيص و حتي اختلالات "توجه" يكي از مسائل مهم در حيطه پزشكي و صنعتي است. يكي از كم هزينه‌ترين راهبردهاي بررسي سطح توجه در مغز انسان، استفاده از مدل‌هاي آماري و احتمالي مبتني بر سيگنال‌هاي موج‌نگاري مغزي است. مطالعات بسياري در زمينه تشخيص و بررسي توجه صورت گرفته است و پيشنهادات گوناگوني در زمينه استفاده از مدل‌هاي آماري و احتمالي كلاسيك و يادگيري عميق ارائه شده است كه به منظور دستيابي به مدلي كارا تر از براي اين امر از باندهاي فركانسي متفاوت مغزي بهره برده‌اند. از چالش¬هاي پيش رو در اين پژوهش¬ها نحوه بازنمايي سيگنال و انتخاب مدلي كارا با در نظر گرفتن اين بازنمايي است. ساز و كار توجه براي پردازش و ورود سيگنال¬هاي حاوي اطلاعات و جلوگيري از ورود سيگنال¬هاي نامربوط، از باند فركانسي آلفا بهره مي‌گيرد. ناحيه جلويي سر نقش اساسي در كنترل"توجه" دارد و نحوه ارتباط آن با ساير نواحي از طريق هم‌فازي و هم‌بستگي ميسر مي‌شود و درصورت نوسان هم‌فاز اين نواحي با يكديگر باعث تقويت ارتباط خود مي‌شوند. در اين پژوهش نشان داديم كه با انتخاب هم‌فازي و هم‌بستگي نواحي مختلف مغزي با يكديگر بعنوان داده ورودي و استفاده از شبكه‌هاي همگشتي به‌منظور راهبردي خودكار، براي استخراج ويژگي از داده ورودي، مي‌توان مدلي ارائه كرد كه كارآيي به‌ مراتب بهتر از روش‌هاي پيشين داشته‌ باشد.

195135

دانشگاه علم و صنعت ايران

هوش مصنوعي و رباتيكز