20431

۲۰۴۳۱

رمزگشايي سيگنال هاي حسي از اعصاب محيطي پنجه پشتي موش صحرايي

كارشناسي ارشد

مهندسي پزشكي - بيو الكتريك

۹۷-۹۸

۱۳۹۷/۱۱/۱۵

دكتر وحيد شالچيان

برق

يكي از كاربردهاي عمده رمزگشايي سيگنال‌هاي عصبي در ساخت پروتزهاي عصبي براي بازيابي عملكردهاي حسي- حركتي از دست رفته در بيماراني كه دچار آسيب مغزي- نخاعي شده‌اند مي‌باشد. رمزگشايي سيگنال‌هاي حركتي در به حركت در آوردن پروتز و سيگنال‌هاي حسي در ايجاد فيدبك حسي كاربرد دارند. كاشت الكترود و ثبت‌گيري از اعصاب محيطي نسبت به سيستم اعصاب مركزي اختصاصي‌تر است و سطح آسيب‌زايي و تهاجمي كمتري از كاشت الكترود در سيستم اعصاب مركزي دارد. در پژوهش‌هاي قبلي در زمينه رمزگشايي سيگنال‌هاي حسي، عمدتا امكان طبقه‌بندي دو يا سه كلاسه انواع تحريك‌هاي حسي مورد بررسي قرار گرفته و طبقه‌بندي انواع بيشتر تحريك‌ها مورد بررسي قرار نگرفته بود. هدف ما در اين پايان‌نامه، استفاده از روش‌هاي مختلف در استخراج ويژگي سيگنال الكترونوروگرافي براي رمزگشايي تحريكات حسي، ارزيابي و مقايسه اين روش‌ها با يكديگر و ارائه يك مدل طبقه‌بندي‌كننده با دقت رمزگشايي قابل قبول مي‌باشد. جراحي و ثبت سيگنال الكترونوروگرافي با الكترود كاف سه كاناله قرار گرفته دور عصب سياتيك، براي پنج موش صحرايي ويستار انجام شد. چهار نوع تحريك حسي شامل نيشگون گرفتن كف پا، فشار كف پا، بستن انگشتان و بستن مچ پا به پنجه پشتي هر موش صحرايي بيهوش شده در جلسات مختلف اعمال شد. ويژگي‌هاي زماني شامل MAV، VAR و WL و ويژگي‌هاي طيفي شامل ضرايب مدل AR و FFT استخراج گرديد. همچنين در اين مطالعه از دو نوع طبقه‌بندي‌كننده SVM وKNN براي تفكيك و جداسازي پنج كلاسه شامل چهار نوع تحريك فوق الذكر و يك حالت استراحت بدون تحريك استفاده شد و عملكرد روش‌ها با يكديگر مقايسه گرديد. در مقايسه دو نوع طبقه‌بندي‌كننده بررسي شده، SVM به ازاي هر سه ويژگي نسبت به KNN دقت بهتري داشت. در مقايسه ويژگي‌ها هم ويژگي FFT(8/89%)، AR (38/82%) نسبت به زماني(23/59%) عملكرد بهتري داشتند. بين دو الكترود با لايه‌هاي خارجي طلا و مس، طلا نتايج بهتري داشت و در حالت‌هاي مختلف انتخاب كانال، استفاده از ميانگين‌گيري شده‌ي سه كانال نتايج بهتري داشت. نشان داديم كه به ازاي حداقل طول 100ميلي‌ثانيه‌اي سيگنال با ويژگي‌هاي طيفي مي‌توان طبقه‌بندي چندكلاسه با دقت قابل قبولي از تحريك‌هاي حسي داشت.

1398/02/17

Decoding Sensory Signals from the Peripheral Nerve of Rat’s Hind Paw

2/4/2020 12:00:00 AM

One of the major applications of neural signals decoding in nerve prosthetics is to retrieve sensory-motor functions lost in patients who have been spinal injured. The decoding of motor signals is used to make the prosthesis move and the sensory signals are used to create sensory feedback. Electrode implanting and recording of peripheral nerves are more specific to the central nervous system and have less harmful and invasive levels of electrode implanting in the central nervous system. In previous studies in the field of decoding sensory signals, the possibility of classification of two or three classes of sensory stimuli has been studied and the classification of more types of different sensory stimuli has not been studied. Our goal in this thesis is to use different methods to extract the electroneurographic signal features for decoding sensory stimuli, evaluate and compare these methods with each other and provide a classification model with acceptable decoding accuracy. Surgery and recording of electroneugraphic signal had done with three-channel electrode located around the sciatic nerve for five vistar rats. Four types of sensory stimulation including foot pinching, foot squeezing, fingers and ankle flexion were applied to the hind paw of each rat in different sessions. Temporal features include mean absolute value (MAV), variance (VAR) and wave length (WL) and spectral features includingautoregressive (AR) and Fast Fourier Transform (FFT) coefficients were extracted. In this study, two types of classifier, SVM and KNN classifiers were used for separation of five classes including four aforementioned stimuli and a non-stimulation resting mode, and the performance of the methods was compared.Compared to the two types of classifiers examined, the SVM classifier had better outcomes for all three features than KNN. Compared to the features, the FFT (89.8%), AR (82.38%) had better performance than the time (59.23%). Between two electrodes with gold and copper outer layers, gold has better results. In different channels selection, three-channel averaging has better results. We showed that, for a minimum 100 milliseconds of signal with spectral features, multiclass classifications could have acceptable accuracy to sensory stimuli.