17902

17902

طراحي يك سيستم واسط مغز - كامپيوتر مبتني بر پتانسيل P300

كارشناسي ارشد

مهندسي پزشكي - بيوالكتريك

مهر ماه 1396

دكتر وحيد شالچيان

برق

هجي كننده P300، يكي از رايج ترين واسط هاي مغز-كامپيوتر مبتني بر ثبت الكتروانسفالوگرام است كه توانايي هاي ارتباطي ساده اي براي افراد دچار عارضه هاي شديد گفتاري يا حركتي فراهم مي كند تا قادر باشند بهتر با محيط اطراف خود ارتباط برقرار كنند. استفاده از الگوي صفحه شطرنجي(CBP) در 2010 به جاي الگوي سطري-ستوني(RCP) يكي از موفق ترين الگوهاي تحريك ارائه شده در مطالعات قبلي براي افزايش دقت هجي كننده بوده است. روش پيشنهادي مطالعه جاري كه با نام الگوي شطرنجي با تحريك شكلك تصويري نامگذاري شده است به دنبال بهبود و توسعه الگوي شطرنجي است. ما در اين مطالعه چشمك زدن كاراكترها در الگوي شطرنجي را با نمايش يك شكلك تصويري به جاي كاراكتر ها جايگزين نموده ايم. همچنين در تحليلي برون خط بعد از اتمام ثبت سيگنال، با استفاده از تبديل ويولت گسسته در مرحله استخراج ويژگي به جاي استفاده از نمونه هاي زماني از ضرايب ويولت براي ورودي طبقه بندي كننده استفاده شد. براي ارزيابي و مقايسه كارايي الگوي پيشنهادي با الگوي شطرنجي، براي هر يك از دو الگو، هجي كننده روي داده هاي ثبت شده از ده فرد سالم در فاز برون خط با استفاده از طبقه بندي كننده FLD تعليم داده شده و در فاز برخط دقت هجي كننده محاسبه گرديد. ارزيابي آزمون برخط نشان داد، ميانگين دقت طبقه بندي هجي كننده با به كارگيري الگوي پيشنهادي اين مطالعه نسبت به الگوي شطرنجي 14% بهبود يافته است. يافته هاي اين مطالعه نشان مي دهد تحريك ناشي از نمايش شكلك تصويري به جاي چشمك زدن كاراكترها، به نحو موثري در ارتقاي دقت طبقه بندي هجي كننده نقش داشته است. همچنين پس از انتخاب بهترين تابع ويولت مادر از ميان گروهي از توابع متداول كه بهترين دقت طبقه بندي را روي داده هاي آموزش ايجاد مي كردند براي الگوهاي تحريك صفحه شطرنجي عادي و تحريك صفحه شطرنجي با شكلك تصويري، افزايش دقت طبقه بندي نسبت به حالت استفاده از نمونه هاي زماني به ترتيب برابر 21/5 % و 14/7 % بوده است. همچنين نتايج بدست آمده نشان مي دهد كه استفاده همزمان از تحريك صفحه شطرنجي با شكلك تصويري و ويژگي هاي ويولت، نسبت به روش كلاسيك تحريك صفحه شطرنجي عادي با نمونه هاي حوزه زماني تا 44/20 % افزايش در ميانگين دقت طبقه بندي هجي كننده را در پي داشته است كه تفاوت بسيار چشمگير و قابل ملاحظه اي مي باشد. در مجموع در تحقيق جاري با استفاده از ارائه يك الگوي نمايش تحريك جديدتر و به علاوه استفاده از ويژگي هاي ويولت در استخراج ويژگي توانسته ايم دقت و سرعت هجي كننده P300 را به طور محسوس افزايش دهيم. واژه‌هاي كليدي: واسط مغز-كامپيوتر، هجي كننده P-300، الگوي صفحه شطرنجي، شكلك تصويري، تبديل ويولت گسسته

1396/07/18

5/21/2018 12:00:00 AM

P300 Speller as a most commonly used brain–computer interface (BCI) has been able to provide simple communication capabilities for people with severe motor or speech disabilities in order to have a better interaction with the outer world over the past years. Checker-board paradigm (CBP) is one of the most practical alternatives for row-column paradigm, enhancing the performance of the speller by preventing row-column induced errors. In this study, we developed a new paradigm to enhance the performance of the checker-board paradigm by alter presenting of an emoji stimulus instead of flashing the characters in checker-board paradigm. Also, in an offline analysis after finishing signal acquisition, by using the discrete wavelet transform (DWT) in feature extraction phase, the wavelet coefficients were used as the classifier input instead of using time samples. The performance of the proposed paradigm was eva​luated and compared to the checker-board paradigm in an online experiment using FLD classifier over ten healthy subjects. For each paradigm, the recorded data from an offline session was used to calibrate the speller classifier; and consequently, the classification accuracy was calculated over online sessions. The proposed paradigm, showed 14% enhancement in classification accuracy with respect to the checker-board paradigm. The results of this study obviously showed that the stimuli obtained by presenting emoji instead of character flashing, effectively improved the speller classification accuracy After choosing the best mother wavelet from a group of common wavelet functions that created the best classification accuracy on the training data, the classification accuracy enhancement of 5.21% and 7.14% compared to using time samples were resulted for checker-board paradigm and checker-board with emoji stimulus paradigm, respectively. Also the results show that simultaneous use of checker-board with emoji stimulus and wavelet features, has resulted classification accuracy enhancement up to 20.44% with respect to classical method of checker-board paradigm with the time domain samples which is a very significant and remarkable difference. Totally in the current study, accuracy and speed of P300 speller is increased significantly using a new stimulus paradigm and wavelet features in feature extraction. Keywords: Brain-Computer interface (BCI), P300 Speller, Checker-Board Paradigm, Emoji, Discrete Wavelet Transform(DWT)