23501

طبقه‌بندي تصاوير ديده‌شده توسط كاربر از روي سيگنال‌هاي مغزي

كارشناسي ارشد

مهندسي پزشكي - بيوالكتريك

1395

1398/12/19

دكتر وحيد شالچيان

مهندسي برق

بيشترين اطلاعاتي كه انسان از محيط پيرامون خود دريافت مي‌كند از طريق حس بينايي و مشاهده‌ي اجسام پديد مي‌آيد. پس از دريافت اطلاعات تصويري، شناسايي اشيا و تصاوير يكي از فرآيند‌هاي بسيار پيچيده در مغز انسان مي‌باشد. تحليل عملكرد مغز در تشخيص اجسام و تصاوير يك از موضوعات مورد علاقه در ميان محققان در سال‌هاي گذشته بوده‌ است. از ميان تمامي پژوهش‌هاي اخيرا انجام شده در اين حوزه، بررسي ارتباطات قسمت‌هاي مختلف مغز با يكديگر مورد توجه بيشتري قرار گرفته است. در مطالعه‌ي پيش رو به بررسي تاثير ارتباطات قسمت‌هاي مختلف مغز در شناسايي تصاوير پرداخته شده است. به اين منظور از دو سري داده كه شامل اطلاعات سيگنال EEG افراد در حين تماشاي تصاوير اعداد انگليسي، مي‌باشند استفاده گرديده است. در تحليل اين سيگنال‌ها از ويژگي‌هاي ارتباطي عملكردي استفاده شده است، كه از ويژگي‌هاي بسيار پركاربرد در مطالعات مرتبط به شمار مي‌روند. براي انتخاب ويژگي‌ها نيز دو روش اطلاعات متقابل و تحليل واريانس به كار گرفته شده و جهت دسته‌بندي داده‌ها دو الگوريتم پركاربرد ماشين بردار پشتيبان و نزديكترين همسايگي اعمال مي‌گردند. با تحليل صورت گرفته مشاهده شد كه ويژگي‌ انسجام اندازه ميان كانال‌ها مي‌تواند داده‌هاي شامل 10 كلاس را با دقت 56 درصد و داده‌هاي شامل سه كلاس را با دقت 85 درصد تفكيك نماييد. همچنين با بررسي ويژگي همگامي فاز مشاهده شد كه زيرباند فركانسي بتا تاثير بيشتري از ساير بازه‌هاي فركانسي در فرآيند تشخيص تصاوير اعداد دارد.

1399/12/15

Classification of Observed Pictures from EEG

3/10/2022 12:00:00 AM

Most of the information that humans receive from their environment comes from the sense of sight and observation of objects. After receiving visual information, identifying objects and images is one of the most complex processes in the human brain. Analysis of brain function in the detection of objects and images has been one of the topics of interest among researchers in recent years. Of all the recent research in this area, the study of the relationship between different parts of the brain has received the most attention. In the present study, the effect of communication between different parts of the brain on image recognition has been investigated. For this purpose, two series of data were used, which include EEG signal information of people while watching pictures of English numbers. In the analysis of these signals, functional communication features have been used, which are very useful features in related studies. To select the features, two methods of mutual information and analysis of variance are used, and to classify the data, two widely used support vector algorithms and the nearest neighbor are applied. The analysis showed that the size coherence feature between channels can separate data containing 10 classes with 56% accuracy and data containing three classes with 85% accuracy. Also, by examining the phase synchronization feature, it was observed that the beta frequency sub-band has a greater effect than other frequency ranges in the number image recognition process.

شناسايي تصوير , سيگنال الكتروانسفالوگراف , ويژگيهاي ارتباطي عملكردي

هئشلث قثزخلدهفهخد , ٍٍۀ , بعدزفهخدشم زخددثزفهرهفغ بثشفعقثس