16666

16666

سيستم واسط مغز و رايانه خود تنظيم مبتني بر ريتم هاي حسي حركتي

كارشناسي ارشد

بيوالكتريك

شهريور ماه 1395

دكتر شالچيان

برق

چكيده سيستم¬هاي واسط مغز و رايانه با هدف اصلي كمك به بيماراني كه كانال¬هاي ارتباط عصبي بين مغز و عضلات خود را از دست داده¬اند به¬گونه¬اي طراحي مي¬گردند تا بتوانند مقصود فرد كاربر را از مغز او دريافته و به تناسب فرامين كنترلي را به تجهيزات جانبي ارسال نمايد. از ميان روش¬هاي مختلف ثبت و رمزگشايي فعاليت¬هاي مغزي، سيستم¬هاي مبتني بر تصورات حركتي كه از سيگنال¬هاي EEG استفاده مي-نمايند به لحاظ سهولت در برپايي، غير تهاجمي و ارزان بودن و همچنين حداقل وابستگي به عملكرد ساير اعضاي بدن مورد توجه محققان و همچنين كاربران بوده و به همين دليل در اين پژوهش مورد استفاده قرار گرفته¬اند. دو مقولۀ مهمي كه بايد در سيستم¬هاي فوق¬الذكر به كيفيت مناسبي دست يابند تا بتوانند مورد استفاده همگاني قرار گيرند 1) كاهش زمان آموزش و 2) تطبيق سيستم با كاربر و خود تنظيمي آن در كاليبراسيون برخط است. در اين مطالعه با مبنا قراردادن روش¬هاي مستقل از كاربر، شيوه¬اي معرفي گرديده تا با تركيبي از اطلاعات تنها يك كاربر قبلي و تعداد محدودي از آزمون¬هاي كاربر جديد بتوان زمان آموزش را كاهش داد. سپس در قسمت دوم ضمن انجام كاليبراسيون مجدد طبقه¬بندي كننده در فاز برخط، اطلاعات غير كاربردي براي طبقه¬بندي از مجموعه آموزش حذف شده و با استفاده از وزن¬دهي مناسب به داده¬ها، اطلاعاتي را كه به بهبود عملكرد طبقه¬بندي داده كمك مي¬كنند پر رنگ تر و داده¬هاي كم ارزش را كم اثر تر و حتي به¬مرور زمان حذف مي¬نماييم. به اين طريق با زياد شدن تعداد آزمايش¬ها، ضمن آنكه حجم محاسبات بيش از حد بالا نمي¬رود، طبقه¬كننده با مجموعۀ آموزش غني¬تري آموزش داده مي¬شود و در نتيجه به دقت بهتري دست مي¬يابد. بر اساس نتايج بدست آمده، ميانگين دقت طبقه¬بندي كننده از 75.8% به 86.92 % ارتقا يافته است. در مجموع روش¬هاي مطرح شده در پژوهش حاضر به نوعي استفاده از داده-هاي كاربران قبلي براي كاليبراسيون اوليه، پالايش مجموعۀ داده¬ها و به روزرساني كاليبراسيون سيستم در فاز برخط است به¬گونه¬اي كه باعث شود سيستم در هر گام با وضعيت كاربر تطبيق بيشتري پيدا نموده و به دقت بالاتري دست پيدا نمايد. واژه‌هاي كليدي: سيستم واسط مغز و كامپيوتر مبتني بر تصورات حركتي، ريتم هاي حسي حركتي، خودتنظيم، آموزش مستقل از كاربر، انطباق¬پذيري، وزن¬دهي به اطلاعات، كاهش زمان آموزش.

1395/11/27

1/1/1900 12:00:00 AM

Abstract: Brain computer interfaces (BCI) were introduced to help people who lost their neural channels between brain an​d muscles. BCI decodes the ongoing neural activities an​d translates them into output commands that accomplish the desire of the user. There are a variety of methods to record an​d decode brain activities of which the EEG signals are more favourable in terms of ease of establishment, non-invasiveness an​d lower cost. Among the EEG-based BCI, the systems which use sensorimotor rhythms are chosen because of the minimum dependence on the performance of other body parts. Two main requirements for increasing usability an​d user acceptance in motor imagery based BCI systems are: 1) short training time, an​d 2) auto-adaptation in the online calibration. In the first part to overcome the problems of training time, based on subject independent methods, we introduce a new design that uses a combination of previous an​d new user data to form the model. In the second part that is related to the online phase, we propose to eliminate some noisy parts of the data from the training set in orther to further improve the performance of the classification. The results showed that by implementing the proposed auto-adaptive methods, an average increase in the classification accuracy from %75.8 to %86.92 achieved. In conclusion, the methods presented in this study include using the previous users’ data for preliminary calibration, conditioning training set an​d auto-adaptive online calibration, improved the BCI system in terms of calassification accuracy. Keywords:Brain Computer Interface based on motor imagery, sensorimotor rhythms, Auto adaptive calibration, subject independent training, weighting data, short training time.