18496

۱۸۴۹۶

بررسي حالت‌هاي مختلف توجه بينايي با استفاده از كوپلينگ‌ بين باندهاي فركانسي

كارشناسي ارشد

مهندسي پزشكي - بيوالكتريك

دي ماه ۱۳۹۶

دكتر محمدرضا دليري

برق

سازوكارهاي كنترل توجه در طي دهه¬هاي اخير هدف مطالعات وسيعي قرار گرفته است و يافته¬هاي متعدد، شواهدي بر اثرگذاري سازوكار توجه انتخابي بر¬ روي فعاليت سلول¬هاي عصبي(نورون) قشر حسي مغز پستانداران گزارش نموده¬اند. تصور بر اين است كه پردازش اطلاعات در مغز بستگي به رفتارهاي نوساني مغز دارد. اشكال پيچيده¬تر جريان اطلاعات در مغز، همزماني¬هاي گذرا و رفتارهاي چند فركانسي با معيارهاي وابسته به كوپلينگ هاي فركانسي هستند. كوپلينگ¬هاي فركانسي در واقع به تعاملات بين نوسانات سيگنال هاي مغزي اطلاق مي شود. شواهد تجربي نشان مي دهد كه كوپلينگ¬هاي فركانسي (CFC) ، نقش مهمي در سازماندهي شبكه¬هاي گسترده مغزي و پردازش هاي عصبي ايفا مي¬كنند. باتوجه به اينكه مي توان فركانس، فاز و دامنه لحظه اي را از سيگنال هاي بيولوژيك استخراج نمود، شش نوع كوپلينگ متفاوت تعريف شده است. اما كوپلينگ هاي فركانسي كه يك جزء تعاملي آن¬ها فركانس لحظه اي باشد، كمتر مورد بررسي قرار گرفته است. در اين پژوهش، روشي براي بدست آوردن كوپلينگ فركانس- دامنه پيشنهاد مي¬گردد كه از روش رگرسيون خطي و رگرسيون خطي تعميم يافته استفاده شده است. اين روش يك رويكرد مفيد محاسباتي براي مشخص كردن CFC ارائه مي دهد و اين توانايي را دارد كه متغيرهاي تشريحي به آن افزوده گردد. اعتبار اين روش ابتدا در داده¬هاي شبيه سازي شده تست و سپس به داده¬هاي واقعي الكتروانسفالوگرافي اعمال مي¬شود. در اين پژوهش سيگنال EEG از 15 سوژه سالم در آزمايش¬هاي توجه بينايي ثبت گرديد. روش ما قادر به يافتن كوپلينگ دامنه و فركانس در سيگنال هاي EEG بين كانال هاي مختلف و باندهاي فركانسي متفاوت بوده و اين نوع كوپلينگ در كنار معيارهاي ديگر كوپلينگ به عنوان ويژگي، در نظر گرفته شده و قابليت ديكدينگ حالت¬هاي مختلف توجه بينايي در دو آزمايش مذكور با استفاده از چند كلاسبندي كننده بررسي شده است. نتايج بررسي¬ها حاكي از آن است كه كوپلينگ¬هاي فركانسي مي¬توانند به خوبي در ديكدينگ حالات مختلف توجه بينايي به كار روند. همچنين كوپلينگ¬هاي دامنه-فركانس و كوپلينگ دامنه-فاز نسبت به دو نوع ديگر كوپلينگ دقت بالاتري را با¬استفاده از طبقه¬بندي كننده مرتبه دوم در هر دو آزمايش نشان مي دهد كه براي آزمايش رنگ، دقت كلاسبندي براي كوپلينگ دامنه-فركانس (غيرخطي)، كوپلينگ دامنه-فركانس (خطي) و كوپلينگ فاز-دامنه به ترتيب 90.745 ،94.11 و 92.247 است و اين مقادير براي آزمايش جهت به ترتيب 83.94 ،90.545 و 86.206 مي¬باشد. واژه‌هاي كليدي: كوپلينگ باندهاي فركانسي، توجه بينايي، مدل خطي تعميم يافته، سيگنال الكتروانسفالوگرافي، كلاس بندي¬كننده.

1396/12/02

10/23/2018 12:00:00 AM

Visual attention mechanisms are the most crucial aim of neuroscience studies in recent decades and different researches report evidences for selective attention mechanism effects on mammalian neural cells and sensory cortex activity. Information processing in the brain is thought to rely on the oscillatory behaviors of widely distributed brain areas. More complex forms of information flow are transient synchronizations and multi-frequency behaviors with metrics related to cross-frequency coupling (CFC). Cross frequency coupling is the interactions between oscillations in brain signals. It is supposed that CFC plays an important role in the organization of large-scale networks and neural processing. In order that the instantaneous amplitude (power), phase and instantaneous frequency of the electrophysiological signals such as EEG can be extracted, six forms of CFC have been defined, but those types of CFC in which frequency is one of the interaction components, have been poorly investigated. In this study, new indexes for evaluating frequency-amplitude coupling (FAC) is introduced by generalized linear model (GLM) method. Significance of this method in finding FAC is tested in simulated data and then applied to Electroencephalogram (EEG). Brain signals are recorded from 15 controls (10 male and 5 female) during two visual attention tasks. Our method is able to evaluating frequency-amplitude coupling between different areas of brain and different frequency bands. Then these indexes with other CFC indexes are used as inputs for classifiers to find out whether CFC indexes can distinguish different states in mentioned tasks. The results show that cross frequency coupling can be used in decoding of visual attention. The amplitude-frequency coupling and phase-amplitude coupling features have higher performance compared to other features using quadratic discriminant analysis classifier. Keywords: Cross Frequency Coupling (CFC), Generalized Linear Model (GLM), Electroencephalography, Visual attention, Classifier