سال انتشار: ۱۳۸۷

محل انتشار: پانزدهمین کنفرانس مهندسی پزشکی ایران

تعداد صفحات: ۶

نویسنده(ها):

سیده زهر سیدصالحی – دانشگاه امیرکبیر و پژوهشکده پردازش هوشمند علائم
علی مطیع نصرآبادی – گروه مهندسی پزشکی، دانشکده فنی، دانشگاه شاهد
وحید ابوطالبی – دانشگاه یزد و پژوهشکده پردازش هوشمند علائم

چکیده:

مؤلفه P300 به عنوان یک مؤلفه شناختی در کاربردهای مختلف از جمله سیستم های ارتباط مغز با رایانه مطرح می باشد. در این مقاله روش یادگیری مدولارمتکی بر آنالیز مؤلفه های اصلی (PCA) و آنالیز تفکیک خطی (LDA) به منظور تفکیک دادگان حاوی P300 و فاقد آن ارائه شده است. این روش شامل دو مسیر برای دادگان هدف و غیرهدف می باشد. در هر مسیر با اعمال PCA تعلیم داده شده با دادگان آن مسیر، در فضای دادگان کاهش بعد صورت می گیرد. به منظور نشان دادن توانمندی این روش، نتایج با نتایج طبقه بندی کننده های LDA و SVM مقایسه شده است. در این تحقیق از مجموعه دادگان II مسابقه BCI2005 استفاده شده که بر اساس الگوی روش هجی کننده ثبت شده است. با استفاده از ۷ کانال ثبت مغزی، هم چنین کاهش نرخ نمونه برداری به نصف نرخ اولیه در ثبت سیگنال ها و روش مدولار با ارزیابی ۱۰ بار ۱۰ دسته دادگان، ۹۶% صحت تشخیص مؤلفه P300 برای داده آموزش و ۹۴% برای داده آزمون به دست آمد. نتایج نشان داد که روش مدولار درصد صحت را در آزمون حدود ۹% نسبت به LDA و ۵% نسبت به SVM بهبود داده است.