• شماره ركورد
    11610
  • عنوان
    رابط هاي مغز و كامپيوتر مبتني بر EEG با استفاده از تصور حركتي
  • سال تحصيل
    1400
  • استاد راهنما
    دكتر ستار ميرزا كوچكي
  • استاد مشاور
    دكتر احمد ايت الهي
  • چکيده
    چكيده رابط‌هاي مغز و كامپيوتر مبتني بر الكتروانسفالوگرافي ، به‌ويژه آنهايي كه از داده‌هاي تصويربرداري حركتي استفاده مي‌كنند، پتانسيل تبديل شدن به فناوري‌هاي پيشگام را در زمينه هاي باليني و سرگرمي دارند. داده‌هاي تصويربرداري حركتي زماني توليد مي شوند كه سوژه حركت يك اندام را تصور كند. اين مقاله به بررسي تكنيك هاي پيشرفته پردازش سيگنال براي رابط‌هاي مغز و كامپيوتر مبتني بر الكتروانسفالوگرافي به وسيله تصويربرداري حركتي، با تمركز ويژه بر استخراج ويژگي، انتخاب ويژگي و تكنيك هاي طبقه بندي مورد استفاده مي پردازد. رابط هاي مغز وكامپيوتر به وسيله تصويربرداري حركتي يك كانال غير عضلاني براي ارتباط با افرادي كه از اختلالات عصبي رنج مي برند فراهم مي كند. طراحي يك سيستم رابط‌هاي مغز و كامپيوتر به وسيله تصويربرداري حركتي دقيق و قابل اعتماد مستلزم استخراج ويژگي هاي اطلاعاتي و متمايز است. تكنيك الگوي فضايي مشترك قوي بوده و به طور گسترده در رابط هاي مغز وكامپيوتر براي استخراج ويژگي‌ها در كارهاي تصويربرداري حركتي استفاده مي‌شود. طبقه بندي كننده ها اين ويژگي ها را به دستورات دستگاه ترجمه مي كنند. بسياري از الگوريتم‌هاي طبقه‌بندي ابداع شده‌اند، از جمله آن‌هايي كه ماشين بردار پشتيبان و تحليل تشخيص خطي به طور گسترده مورد استفاده قرار گرفته‌اند. در مطالعات اخير، محققان از شبكه هاي عصبي عميق براي طبقه بندي وظايف تصويربرداري حركتي استفاده مي كنند. اين مقاله مروري جامع از روش‌هاي استخراج ويژگي غالب و الگوريتم‌هاي طبقه‌بندي در رابط مغز و رايانه براي كارهاي تصويربرداري حركتي ارائه مي‌كند.
  • نام دانشجو

    مريم شريفي رناني

  • تاريخ ارائه
    12/21/2022 12:00:00 AM
  • متن كامل
    77402
  • پديد آورنده

    مريم شريفي رناني

  • تاريخ ورود اطلاعات
    1401/10/13
  • عنوان به انگليسي
    EEG-Based Brain-Computer Interfaces Using Motor-Imagery
  • كليدواژه هاي فارسي
    رابط كامپيوتري تصويربرداري حركتي مغز , الكتروانسفالوگرافي , شبكه هاي عميق عصبي , الگوي فضايي مشترك
  • كليدواژه هاي لاتين
    Motor imagery based brain computer interface , Electroencephalography , Common spatial patterns , Neural network