ورود
مقالات فارسیISIکنفرانسهاژورنالها

یک سیستم بهبود یافته بی درنگ واسط مغز کامپیوتر مبتنی بر سیگنال P300: انتخاب ویژگی با استفاده از اطلاعات متقابل

محل انتشار: هجدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 785

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/242799

شناسه ملی سند علمی:

ICBME18_096

تاریخ نمایه سازی: 27 فروردین 1393

چکیده مقاله:

در این مقاله یک سیستم بی درنگ واسط مغز-کامپیوتر مبتی بر سیگنال P300 ارائه می گردد. یکی از مسائل مهم در سیستم های مغز-کامپیوتر فرآیند طبقه بندی است و از مسائل مهم در فرآیند طبقه بندی، انتخاب ویژگی است. این مقاله به بررسی انتخاب ویژگی با استفاده از روش اطلاعات متقابل برای سیستمهای بیدرنگ واسط مغز-کامپیوتر مبتنی بر سیگنال P300 میپردازد. از آنجا که تعداد زیاد ویژگیها علاوه برکاهش سرعت میتواند بر روی عملکرد طبقهبندی کننده نیز تاثیر داشته باشد، همواره کاهش حجم ویژگیها و انتخاب ویزگیهائی که منجر به افزایش کارایی گردد، مورد توجه بوده و تلاشهای مختلفی در این راستا صورت گرفته است. در این مقاله از روش اطلاعات متقابل برای این منظور استفاده شده است. به منظور ارزیابی انتخاب ویژگی با استفاده از اطلاعات متقابل، آزمایشاتی بر روی 3 فرد سالم در آزمایشگاه سیستم- های واسط مغز-کامپیوتر مرکز فناوری عصبی ایران به دو صورت برخط و برون خط انجام شده است . نتایج نشان می دهد که با انتخاب ویژگی با استفاده از اطلاعات متقابل و استفاده از طبقه بندیکننده ماشین پشتیبان بردار در حالت برون خط و برخط به طور میانگین، به ترتیب درصد صحت تشخیص حروف 92/6% و 91/28% بوده است. در صد صحت تشخیص حروف در حالت برونخط برای 3 فرد الف، ب و ج به ترتیب 91/67%، 97/22% و 88/9% و در حالت برخط برای 3 نفر به ترتیب 90/55%، 97/62% و 85/7% بوده است.

کلیدواژه ها:

واسط مغز کامپیوتر ، اطلاعات متقابل ، پتانسیل برانگیخته بینایی (ERP) ، هیجی کننده P300

نویسندگان

یلدا شهریاری

آزمایشگاه سیستمهای واسط مغز کامپیوتر، مرکز فناوری عصبی ایران، گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

عباس عرفانیان امیدوار

آزمایشگاه سیستمهای واسط مغز کامپیوتر، مرکز فناوری عصبی ایران، گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ابوطالبی، وحید: "تجزیه و تحلیل مولفه‌های شناختی سیگنال الکتریکی مغز ...
  • محمدیان، امین; ابوطالبی، وحید; 12 طبقه‌بندی تک ثبت سیگنال‌های ERP ...
  • طبقه بندی سیگنالهای پتانسیل برانگیخته بینایی مدوله شده اپتیکی با شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • E. Donchin and M. G. H. Coles, :Is the P30(component ...
  • M. Fabiani, G. Gratton, D. Karis, and E. Donchin, "Definition, ...
  • L. A. Farwell and E. Donchin, "Talking off the top ...
  • M. Kaper, P. Meinicke, T. Linger, et al. _ competition ...
  • th Iranian Conference on BioMedical Engineering, 14-16 December 2011, Tehran, ...
  • paradigm, " IEEE Trans. Biomedical Engineering., vol 51, pp. 1073-1076, ...
  • T. Manoj, C. Guan, and J. Wu, "Robust classification of ...
  • D. J. Krusienski, E. W. Sellers, D. J. McFarland, T. ...
  • improved P300- An:ه [7] H. Serby, E. Yom-Tov, and G. ...
  • B. Rivet and A Souloumiac, V. Attina, and G. Gibert, ...
  • T. Chow and D Huang, "Estimating optimal feature subses using ...
  • Kalatzis, I.; Piliourasa, N.; Ventourasa, E.: Papageorgioub, C.C.; Rabavilas, A.D.; ...
  • D. J. Krusienski, E. W. Sellers, D. J. McFarland, T. ...
  • _ _ _ _ 5, no. 4, pp. 537-550, Jul. ...
  • A. Erfanian, B. Mahmoudi, "Real-time ocular artifact suppression using recurrent ...
  • H. Ceotti and A.Graser, :C onvolutional neural networks for P300 ...
  • A. Rakotomamonj y and _ Guigue, _ competition III: Dataset ...
    • نمایش کامل مراجع