طبقه بندی پتانسیل برانگیخته حالت دائم بینایی در فضای منابع EEG با کاربرد در واسط های مغز-رایانه

:Classification of steady state visual evoked potential in EEG source space with application in brain-computer interfaces


چاپ صفحه
پژوهان
صفحه نخست سامانه
مجری و همکاران
مجری و همکاران
اطلاعات تفضیلی
اطلاعات تفضیلی
دانلود
دانلود
دانشگاه علوم پزشکی تبریز
دانشگاه علوم پزشکی تبریز

مجریان: ناصر صمدزاده اقدم

خلاصه روش اجرا: دیتا ست استفاده شده در این طرح در سال 2015 در کشور چین ثبت شده است و عمومی میباشد.در این پایگاه داده از 35 فرد سیگنال EEG ثبت شده است (8 نفر باتجربه و 27 نفر مبتدی نسبت به آزمایش). این داده ها 40 تا کاراکتر داشته و از نوع BCI Speller است و هر یک از این کاراکتر ها دارای فرکانس مشخصی هستند. هدف از این طرح، تشخیص کاراکتر های هدف از روی فرکانس های SSVEP که در سیگنال های مغزی ظاهر می شوند، میباشد. SSVEP پتانسیل الکتریکی متناوبی است که در هنگام تمرکز فرد روی یک محرک دیداری تناوبی با فرکانس مشخص، در مغز وی اشکار می شود. این فعالیت الکتریکی میتواند در ناحیه پس سری، در فرکانس های متناظر با فرکانس های تحریک شناسایی شود. برای تشخیص فرکانس های SSVEP ابتدا پیش پردازش های لازم (اعمال فیلتر میان گذر، حذف ارتیفکت و ....) بر روی سیگنال های EEG اعمال می شود. سپس منابع مغزی سر از روی سیگنال های EEG تخمین زده میشود، با توجه به اینکه سیگنال های EEG جمع اوری شده از سطح سر به طور مستقیم به محل قرارگیری نورون های فعال و مسئله ی معکوس اشاره نمیکنند، حل چنین مسئله ای نیازمند حل مسئله مستقیم و مسئله ی معکوس است. مسئله ی معکوس شامل یافتن ساختاری از منابع است که بتواند فعالیت الکترو- مغناطیسی ثبت شده بر روی پوست سر را توصیف کند. برای حل مسئله ی معکوس جواب مسئله ی مستقیم، باید مشخص شود. بعد از دست یابی به منابع مغز، از این منابع به جای الکترود های واقع بر روی پوست سر استفاده میکنیم. در نهایت از روش های مبتنی بر CCA (Canonical Correlation Analysis) که برای تحلیل تحلیل همبستگی متعارف بین سیگنال های EEG و سیگنال های سینوسی-کسینوسی ساخته شده در هر فرکانس تحریک استفاده میشود، که فرکانس متناظر با بیشینه مقدار همبستگی را به فرکانس هدف، نسبت داده و از این طریق فرکانس های SSVEP را شناسایی میکند. در این مطالعه از معیار دقت (Accuracy ) برای ارزیابی مدل استفاده خواهد شد.

اطلاعات کلی طرح
hide/show

مرحله جاری طرح خاتمه قرارداد و اجرا
کد طرح 69602
عنوان فارسی طرح طبقه بندی پتانسیل برانگیخته حالت دائم بینایی در فضای منابع EEG با کاربرد در واسط های مغز-رایانه
عنوان لاتین طرح :Classification of steady state visual evoked potential in EEG source space with application in brain-computer interfaces
نوع طرح طرح - پایان نامه
اولویت طرح مهندسی پزشکی
نوع مطالعه طرح تحقیقاتی-پژوهشی
تحقیق در نظام سلامت بلی
آیا طرح پایان‌نامه دانشجویی است؟ بله
مقطع پایان نامه کارشناسی ارشد
مدت اجرا - ماه 12
نوآوری و ضرورت انجام تحقیق طبق آمار سازمان بهداشت جهانی، سالانه بین 250000 و 500000 نفر در دنیا از اسیب های نخاعی رنج می برند. این اسیب ها معمولا باعث اختلال در حرکات و تکلم افراد میشود. راه حل کنونی که در این زمینه وجود دارد، استفاده از سیستم های BCI می باشد که در سالیان گدشته اهمیت به سزایی را در کاربرد های گوناگون مهندسی پزشکی پیدا کرده اند. در این طرح BCI Speller ها که رویکرد غیر تهاجمی دارند مورد بررسی قرار میگیرند. این نوع BCI ها فرد را قادر می‌سازند تا بدون نیاز به حرکت ماهیچه با استفاده از سیگنال مغزی خود حروف را هجی کند و این قابلیت را به افراد اسیب دیده میدهد که با افراد دیگر بتوانند ارتباط برقرار کنند. 1) تشخیص فرکانس SSVEP میتواند کاربرد های مختلفی داشته باشد و میتوان از این خاصیت نوروفیزیولوژیکی ان استفاده کرد و به افراد ناتوان کمک کرد تا استقلال علملکردی خود را بدست بیارند. 2) تایپ متن با سرعت و دقت بالا با استفاده از سیگنال های مغری مبتنی بر SSVEP که به افراد ناتوان کمک میکند با محیط بیرون خود ارتباط برقرار کنند.
اهداف اختصاصی

 پیاده سازی پلتفرم آنالیز منابع مغزی

-

افزایش صحت طبقه بندی در تشخیص کاراکتر های هدف و همچنین تشخیص سریعتر کاراکتر مورد نظر با استفاده از سگمنت کوتاه­تری از سیگنال

چکیده انگلیسی طرح The data set used in this project was registered in China in 2015 and is public. In this database, 35 EEG signals have been registered (8 experienced people and 27 beginners compared to the experiment). This data has 40 characters and is of BCI Speller type, and each of these characters has a specific frequency. The purpose of this scheme is to identify the target characters from the SSVEP frequencies that appear in the brain signals. SSVEP is an alternating electrical potential that is manifested in the brain when a person focuses on a periodic visual stimulus of a certain frequency. This electrical activity can be detected in the occipital region, at frequencies corresponding to the excitation frequencies. To detect SSVEP frequencies, first the necessary preprocessors ( artifact removal, etc.) are applied to EEG signals. The brain sources of the head are then estimated from the EEG signals, since the EEG signals collected from the surface of the head do not directly indicate the location of the active neurons and the inverse problem, solving such a problem requires solving the forward problem. And the problem is the opposite. The inverse problem involves finding a structure of sources that can describe the electromagnetic activity recorded on the scalp. To solve the inverse problem, the answer to the direct problem must be specified. After accessing the brain resources, we use these resources instead of electrodes located on the scalp. Finally, CCA (Canonical Correlation Analysis) methods are used to analyze the conventional correlation analysis between EEG signals and sine cosine signals generated at each excitation frequency, which corresponds to the frequency corresponding to the maximum correlation value to the target frequency. Attributes and thus identifies SSVEP frequencies. In this study, the Accuracy criterion will be used to evaluate the model.
کلمات کلیدی : (Electroencephalography) EEG ثبت فعالیت الکتریکی مغز از طریق نصب الکترودهای سطحی بر روی سر و به صورت غیر تهاجمی می‌باشد. BCI (Brain–Computer Interface): واسط مغز-رایانه در حالت کلی به هر نوع ارتباط میان مغز و یک سیستم الکترونیک مانند کامپیوتر کفته میشود که پس از ثبت سیگنال های مغزی پردازش بر ان ها شروع شده و معمولا نتیجه به صورت یک مسیر فیدبک به شخص داده میشود. این نوع رابط انواع مختلفی دارد و میتواند از نوع تهاجمی و غیر تهاجمی باشد. :SSVEP پتانسیل برانگیخته بینایی حالت پایدار یا Steady State Visual Evoked Potential (SSVEP) پاسخ نورلوژیکی مغز به یک محرک بینایی است. وقتی یک محرک بینایی با فرکانس بالای 5 هرتز روشن خاموش و شود و فرد به این محرک بینایی خیره شود در نتیجه مغز ما در پاسخ به این محرک بینایی پتانسیلی به نام پتانسیل برانگیخته بینایی حالت پایدار (SSVEP) ایجاد می‌کند که این پتانسیل هم فرکانس با فرکانس محرک بینایی یا هارمونیکهای آن فرکانس است. BCI Speller: یکی از پرکاربرد ترین سیستم های BCI میباشد که فرد را قادر می‌سازند تا بدون نیاز به حرکت ماهیچه با استفاده از سیگنال مغزی خود حروف را هجی کند. این سیستم‌ها برای بیمارانی که دچار اختلالات عصبی می‌باشند مناسب هستند. صحت و سرعت هجی‌کردن دو معیار مهم در ارزیابی این نوع سیستم‌ها می‌باشد. sLORETA: یکی از روش غیر پارامتری میباشد.این الگوریتم، راه حلی برای پیدا کردن جواب های معکوس EEG میباشد CCA (Canonical Correlation Analysis) : روشی اماری برای بررسی همبستگی میباشد.
ذینفعان نتایج طرح • افراد دارای معلولیت که فاقد توانایی حرکتی و ارتباط با محیط هستند • متخصصین علوم اعصاب و نورولوژیست¬ها

اطلاعات مجری و همکاران
hide/show

نام و نام‌خانوادگی سمت در طرح
ناصر صمدزاده اقدماستاد راهنمای اول (آموزشی )
امین بشارتدانشجوی مالک پایان نامه
طاهره قدیریمشاور

اطلاعات تفضیلی
hide/show

حوزه خبر خبر
رسانه ها و مردم
عنوان خبر
متن خبر
متخصصان و پژوهشگران
عنوان خبر
با استفاده از یک الگوریتم جدید، پتانسیل برانگیخته بینایی را با دقت بالا می‌توان در واسط‌های مغز- رایانه طبقه بندی نمود.
متن خبر
افراد با اختلالات حرکتی و ضایعات نخاعی به کمک واسط‌های مغز-رایانه (BCI) قادر خواهند بود تا با محیط اطراف خود ارتباط و تعامل داشته باشند. با خیره شدن فرد به مانیتور کامپیوتر که 40 کاراکتر مختلف را نمایش می‌دهد، و هر کدام با فرکانسی متفاوت چشمک می‌زنند، پتانسیل برانگیخته بینایی حالت دائم (SSVEP) در نوار مغز فرد القا می‌گردد. این مطالعه بر پایه ترکیب روش‌های آنالیز همبستگی کانونی (CCA) و تجزیه و تحلیل مؤلفه‌های مرتبط با تکلیف (TRCA) به منظور توسعه الگوریتمی جدید جهت بهبود دقت تشخیص فرکانس‌های محرک متمرکز است. نتایج نشان می‌دهند که روش پیشنهادی در پنجره زمانی کوتاه تری می‌تواند کاراکتر هدف را تشخیص دهد. این پیشرفت قابل توجه می‌تواند به بهینه‌سازی واسط‌های مغز-رایانه کمک کند و به توسعه کاربردهای جدید در زمینه‌های مختلفی چون کنترل پروتزها، بازی‌های رایانه‌ای و درمان‌های شناختی منجر شود. این پژوهش نه تنها به درک بهتری از عملکرد مغز انسان کمک می‌کند، بلکه می‌تواند به عنوان یک پیشرفت در طراحی سیستم‌های BCI با کارایی بالاتر و زمان آموزش کمتر محسوب شود.
سیاستگذاران درمانی
عنوان خبر
متن خبر
سیاستگذاران پژوهشی
عنوان خبر
متن خبر
لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1