طراحي يك سامانه واسط مغز-رايانه برخط براي كاربرد هجي كردن

كارشناسي ارشد

يك سيستم واسط مغز-كامپيوتر مبتني بر سيگنال مغزي، باعث ايجاد مسيرهاي ارتباطي ميان مغز انسان و وسايل خارجي مي¬شود. سيگنال P300 يكي از انواع سيگنال¬هاي مغزي مي¬باشد كه مي¬تواند براي سيستم¬هاي واسط مغز-كامپيوتر مورد استفاده قرار گيرد. درواقع نوعي پتانسيل برانگيخته بينايي است كه 300 ميلي-ثانيه پس از تحريك، در سيگنال مغزي فرد ظاهر مي¬گردد. از فاكتورهاي مهم كه همواره در سيستم¬هاي واسط مغز-كامپيوتر مبتني بر P300 حائر اهميت بوده، سرعت و دقت ارتباط مي¬باشد. در اين تحقيق كنترل صفحه¬كليد به صورت برخط با سيگنال P300 انجام گرفت. بدين منظور، يك رابط كاربر گرافيكي نوآورانه با 9 كليد به عنوان منوي اصلي طراحي شده است. يكي از كليدها براي روشن و خاموش كردن سيستم، و هشت كليد ديگر براي پشتيباني از 56 كاراكتر صفحه¬كليد (50 كاراكتر فعال)، شامل: حروف، اعداد، علائم نوشتاري، و قابليت¬هايي مانند حذف، خط فاصله، خط جديد، تبديل حروف كوچك به بزرگ و بازگشايي صفحه word دارد، مي¬باشد. در بخش استخراج ويژگي ابتدا ماتريس فوق-كواريانس هر ترايال را محاسبه كرده تا وارد فضاي مثبت معين متقارن شود. اين فضا كمك مي¬كند كه ويژگي¬هاي دو كلاس هدف و غيرهدف به خوبي از هم متمايز شوند و استفاده از روابط مربوط به هندسه ريماني، مجاز گردد. سپس از روش كاهش بعد مبتني بر گراف ريماني كلاس¬ها براي كاهش ابعاد ماتريس فوق-كواريانس استفاده كرديم كه به طور همزمان كلاس¬هاي يكسان را بهم نزديك كرده و كلاس¬هاي غيرهمسان را از هم دور مي¬كند. در بخش طبقه¬بندي، از روش فيلتر هندسي-حداقل فاصله تا ميانگين ريماني (fgMDRM) بكار گرفته شد. عملكرد روش پيشنهادي بر روي داده¬هاي استاندارد II از سومين مسابقه و IIb از دومين مسابقه BCI صورت گرفت كه در مقايسه با روش¬هاي پيشنهادي مطالعات اخير به نتايج بهتري دست يافتيم. سپس آزمايشات در دو جلسه برون¬خط و برخط بر روي 6 داوطلب انساني با رده سني 24-30 سال انجام گرفت. در حالت برون¬خط با 4 روش شبكه عصبي كانولوشن (CNN)، تحليل خطي تفكيك¬پذير (LDA)، ماشين¬هاي برداري پشتيبان (SVM)، و كمترين فاصله تا ميانگين ريماني (MDM) مقايسه انجام شد كه در همه موارد، روش پيشنهادي قدرتمندتر ظاهر شد و توانستيم تمايز ويژگي¬هاي دو كلاس را به صورت نمودار scatter براي هر 6 داوطلب به خوبي به نمايش بگذاريم. در آزمايشات برخط نيز از افراد خواسته شد تا جمله¬ي “Brain Computer Interface (BCI) {Enter} 2020” را با دو و سه ترايال بنويسند. پس از آن، متوسط دقت طبقه¬بندي 83/95٪ و متوسط نرخ انتقال اطلاعات (ITR) 76/71 بيت در دقيقه، براي حالت دو ترايال و متوسط دقت طبقه¬بندي 94٪ و متوسط نرخ انتقال اطلاعات (ITR) 97/43 بيت در دقيقه، براي حالت سه ترايال بدست آمد. مقايسه نتايج برخط با مطالعات اخير محققان، افزايش 83/1درصدي در دقت و 76/14 بيت بر دقيقه¬اي در ITR را نشان مي¬دهد.

204282

دانشگاه علم و صنعت ايران

-

مهندسي پزشكي- بيوالكتريك

دكتر عباس عرفانيان اميدوار