26003

رمزگشايي تغييرات پاسخ¬هاي آزمون به آزمون از نوسانات پيش¬تحريكي سيگنال الكتروانسفالوگرام

كارشناسي ارشد

مهندسي پزشكي- بيوالكتريك

1397

1400/9/30

وحيد شالچيان - سيد حجت سبزپوشان

مهندسي برق

مغز نوسانات سازماندهي شده¬¬اي از فعاليت عصبي را حتي در غياب وظيفه¬ها يا ورودي¬هاي حسي از خود بروز مي¬دهد. اين فعاليت تحت عنوان "مداوم"، "خودبخودي" و يا "پيش تحريكي" شناخته مي¬شود. طبق مطالعات انجام شده، پاسخ¬هاي مغزي به يك محرك، از روي نوسانات باندهاي فركانسي مختلف سيگنال EEG در وضعيت پيش تحريكي مي¬تواند قابل پيش بيني باشد. فعاليت خودبخودي مغز كه در بعضي موارد از آن به عنوان نويز پس زمينه نيز ياد مي¬شود به نظر مي¬رسد علت اصلي تغييرات بالاي آزمون به آزمون در پاسخ¬هاي قشري به يك محرك واحد در ثبت¬هاي مغزي باشد. به طور كلي هدف از اين پژوهش اين است كه با استفاده از اطلاعات موجود در نوسانات سيگنال EEG در مرحله پيش از اعمال محرك، پاسخ درست يا نادرست فرد و همچنين آگاهي بصري را بعد از مشاهده محرك پيش¬بيني كنيم. در اين مطالعه از داده هاي مطالعه Benwell و همكاران (2017) استفاده شده است كه در آن محرك¬هاي بينايي شامل پچ¬هاي گوسي سياه و سفيد با 6 سطح كنتراست 25، 50 و 75 درصد براي دو حالت روشن¬تر و تيره¬تر از پس زمينه، به 14 نفر شركت كننده نشان داده شده¬است كه شركت كنندگان بايد پاسخ مي¬دادند كه محرك نشان داده شده تيره¬تر يا روشن¬تر از پس¬زمينه خاكستري بوده¬است. به عنوان معيار آگاهي بصري كاربر، از شركت كنندگان خواسته شده كه به ميزان اطمينان خود از مشاهده محرك عددي بين 0 تا 3 اختصاص دهند. در اين مطالعه از ويژگي لگاريتم توان نوسانات فركانسي رايج دلتا، تتا، آلفا، بتا و گاما در پنج بازه زماني نيم ثانيه¬اي متوالي قبل از مشاهده محرك روي 61 كانال سيگنال الكتروانسفالوگرام براي پيش¬بيني پاسخ درست و يا نادرست كاربر به تيره¬تر يا روشن¬تر بودن محرك نسبت به پس¬زمينه و همچنين ميزان آگاهي بصري درباره محرك استفاده شده¬است. از آزمون آماري t-test و روش Sequential Forward Feature selection براي انتخاب ويژگي¬هايي كه در دادگان يادگيري تفاوت¬هاي معنادار درپاسخ¬هاي درست و نادرست كاربر را نشان مي¬دهند، استفاده شده ¬است. در مدل پيش¬بيني كننده پاسخ درست يا نادرست كاربر و در مدل پيش¬بيني ميزان آگاهي بصري كاربر درباره محرك، از طبقه بندي كننده Decision tree استفاده شد. نتايج نشان داد كه با استفاده از ويژگي¬هاي انتخاب شده پيش¬بيني پاسخ كاربر در كنتراست 75- با دقت 73 درصد و در كنتراست 75+ با دقت 55/76 درصد انجام شد. همچنين نتايج پيش¬بيني ميزان آگاهي بصري كه با محاسبه دقت طبقه بندي 4 كلاسه بدست آمد، نشان داد كه در مجموع در تمام 6 سطح كنتراست مقدار دقت طبقه بندي بالاي 40 درصد بدست آمده است كه نشان مي¬دهد پيش بيني با استفاده از ويژگي هاي استخراج شده از فاز پيش تحريكي انجام شده است. با توجه به نتايج حاصل شده، مشاهده شد كه اطلاعات تمام باندهاي فركانسي و اطلاعات تمام بازه هاي زماني پيش از اعمال محرك در پيش-بيني عملكرد كاربر موثر بوده است.

1400/11/18

Decoding trial-to-trial response variations from pre-stimulus EEG rhythms

12/21/2022 12:00:00 AM

The brain exhibits organized fluctuations of neural activity, even in the absence of tasks or sensory input. This activity is known as “Ongoing”, “Spontaneous” and “prestimulus”. According to studies, brain responses to a stimulus can be predicted from the oscillations of different frequency bands of the EEG signal in the pre-stimulus state. Spontaneous brain activity, sometimes referred to as background noise, appears to be the main cause of high trial-to-trial changes in cortical responses to a single stimulus in brain recordings. In general, the purpose of this study is to use the information in the EEG signal rythms in the pre-stimulus state, to predict the correct or incorrect response of the subject as well as visual awareness after observing the stimulus. This study uses data from a research by Benwell et al. (2017) in which visual stimuli including black and white Gaussian patches with 6 contrast levels of 25, 50 and 75% for two modes, lighter and darker than the background, Shown to 14 participants, they should respond that the stimulus shown was darker or lighter than the gray background. As a criteria of the user's visual awareness, participants were asked to assign a number between 0 and 3 to their confidence in seeing the stimulus. In this study, the logarithm of common frequency fluctuations of delta, theta, alpha, beta and gamma in five consecutive half-second intervals before stimulus observation, on 61 electroencephalogram channels, has been used to predict the user's correct or incorrect response to the stimulus being darker or lighter than the background, as well as the level of visual awareness of the stimulus. The t-test and Sequential Forward Feature selection were used to select the features that show significant differences in the user's correct and incorrect answers in the train data. In the model predicting the user's correct or incorrect response and in the model predicting the user's visual awareness of the stimulus the Decision tree classifier was used. The results showed that, the user's response was predicted in -75 contrast with 73% accuracy and in +75 contrast with 76.55% accuracy. Also, the results of predicting the level of visual awareness, Which was obtained by calculating the classification accuracy of 4 classes, showed that in total in all 6 levels of contrast, classification accuracy above 40% was obtained, which shows prediction,was performed, using the feature Extracted from the interval before the stimulus was applied. According to the results, it was observed that the information of all frequency bands and information of all time intervals before applying the stimulus, was effective in predicting user's performance.