استخراج ويژگي از سيگنال هاي EEG به منظور دسته بندي فعاليت انجام شده با استفاده از يادگيري عميق

اصفهان : دانشگاه صنعتي اصفهان

مهندسي برق

كارشناسي ارشد

امروزه، توسعه‌ي رابط‌هاي مغز-كامپيوتر به منظور پل ارتباطي بين مغز و دنياي بيرون و به خصوص براي تسهيل زندگي و فعاليت افرادي كه دچار ناتواني‌هاي حركتي هستند، سرعت بيشتري يافته است. يكي از الگوواره‌هايي كه در چهارچوب يك سيستم رابط مغز-كامپيوتر تعريف مي‌شود، طبقه‌بندي تصور حركت بوده كه در آن فرد انجام حركتي را تصور نموده و بر اساس سيگنال ثبت شده از مغز او، كامپيوتر نوع حركت را تشخيص مي‌دهد. يكي از انواع ثبت سيگنال‌هاي مغزي الكتروانسفالوگرافي (EEG) است. در اين روش ثبت سيگنال، به منظور افزايش تفكيك‌پذيري فضايي سيگنال‌ها تعداد كانال‌هاي ثبت شده در تجهيزات ثبت جديدتر افزايش يافته است. ولي بايد در نظر داشت كه افزايش تعدادكانال به دليل هزينه‌هاي محاسباتي و سخت‌افزاري و استفاده‌ي دشوارتر براي كاربر، در كاربرد تجاري مناسب نيست. از طرفي، با گسترش استفاده از شبكه‌هاي عميق در كاربردهاي مختلف و توانايي بالاي اين شبكه‌ها در شناسايي الگو و طبقه‌بندي انواع مختلف داده، استفاده از اين شبكه‌ها در حوزه‌ي طبقه‌بندي سيگنال‌هاي EEG نيز بسيار رايج شده و براي وظايف مختلف در اين حوزه، معماري‌هاي مختلفي طراحي شده است. با وجود بهبود عملكرد رابط‌هاي مغز كامپيوتر مبتني بر شبكه‌هاي عميق، همچنان قابليت تعميم‌پذيري و دقت اين سيستم‌ها چالش برانگيز بوده و نياز به بهبود دارد. همچنين، بر خلاف روش‌هاي كلاسيك كه در آن مطالعات مقايسه‌اي وسيعي براي پيش‌پردازش و استخراج ويژگي وجود دارد، در مطالعات مبتني بر شبكه‌هاي عميق، عدم وجود چنين مطالعاتي به چشم مي‌خورد. به منظور بررسي پيش‌پردازش و پردازش‌هاي موثر در طبقه‌بندي سيگنال‌هاي EEG مبتني بر مسئله‌ي تصور حركت، در اين پايان‌نامه ابتدا يك شبكه‌ي پيچشي پايه كه قابليت تعميم‌پذيري و عملكرد مناسبي داشته و مطالعات زيادي بر اساس انجام گرفته، به عنوان شبكه‌ي پايه انتخاب مي‌شود. سپس، تاثير روش‌هاي مختلف هنجارسازي و فيلتركردن در باندهاي فركانسي مختلف مورد بررسي قرار مي‌گيرد. همچنين، تاثير ورودي‌هاي مختلف و تركيب آنها در فضاي تبديل‌هاي فوريه و موجك به عنوان ورودي شبكه بررسي مي‌شود. پس از آن، انتخاب كانال به منظور كاهش هزينه‌هاي محاسباتي و سخت‌افزاري و همچنين افزايش كارايي سيستم، بررسي مي‌گردد. به اين منظور، از دقت شبكه‌ي پايه‌ي مورد استفاده به عنوان معيار ارزيابي استفاده شده و بر اين اساس دو روش جست‌وجوي سلسله‌مراتبي افزايشي و كاهشي به عنوان روش‌هاي جست‌وجويي كه در بين ديگر روش‌هاي جست‌وجو، سرعت اجراي بيشتري دارد، مورد بررسي قرار مي‌گيرد و بر اين اساس، بهبود كارايي سيستم‌هاي رابط مغز-كامپيوتر با استفاده از شبكه‌هاي عميق نشان داده مي‌شود. سپس به منظور جست‌وجوي گسترده‌تر فضاي زيرمجموعه كانال‌ها، يك روش‌مبتني بر الگوريتم ژنتيك به عنوان يك روش جست‌وجوي فرا-ابتكاري با امكان جست‌وجوي وسيع‌تر كه امكان دست‌يابي به زيرمجموعه‌اي بهتر را فراهم مينمايد، پيشنهاد مي‌شود. از آن‌جايي كه استفاده از الگوريتم ژنتيك زمان‌بر است، با تركيب اين روش با روش‌هاي جست‌وجوي سلسله‌مراتبي يك روش تركيبي پيشنهاد مي‌شود كه در تعداد نسل كمتر به زيرمجموعه‌اي با دقت بالاتر دست‌يابد. نتايج نشان‌دهنده‌ي برتري روش پيشنهادي از نقطه‌نظر دقت طبقه‌بندي در مقايسه با روش‌هاي انتخاب كانال پوششي بر روي مجموعه داده‌ي مورد استفاده در اين تحقيق است.

210722

مخابرات/ سيستم

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان

نادر كريمي

فرزانه شايق بروجني، محمدعلي خسروي فرد

شادرخ سماوي