-
شماره ركورد
27169
-
پديد آورنده
محمد تقي رضايي
-
عنوان
طراحي يك سيستم بر¬خط واسط مغز-كامپيوتر براي حروف-چيني با قابليت تصحيح خودكار خطا
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي پزشكي
-
سال تحصيل
1400-1041
-
تاريخ دفاع
1401/06/20
-
استاد راهنما
جناب آقاي دكتر عباس عرفانيان اميدوار
-
دانشكده
مهندسي برق
-
چكيده
سيستم¬هاي واسط مغز-كامپيوتر (BCI) افراد فاقد توانايي¬هاي ارتباطي را قادر مي¬سازند تا با محيط اطراف تعامل برقرار نمايند. در يك سيستم واسط مغز-كامپيوتر پيام مستقيما از مغز شخص به كامپيوتر منتقل مي-شود. براي ثبت فعاليت مغزي عمدتا از روش الكتروانسفالوگرام (EEG) استفاده مي¬شود. در بين سيگنال¬هاي مغزي، سيگنال P300 ديداري يك پتانسيل وابسته به رخداد است كه 300 ميلي ثانيه پس از مشاهده¬ي تحريك بينايي، كه توسط الگوي oddball توليد شده باشد، ظهور مي¬كند. هدف اين پروژه طراحي و پياده سازي يك سيستم واسط مغز-كامپيوتر حروف¬چين مبتني بر سيگنال P300، با قابليت تصحيح خودكار خطا مي¬باشد. پتانسيل وابسته به خطا (Errp) نيز سيگنال ديگري است كه درصورتي كه شخص مرتكب خطايي شود يا خطايي را در محيط پيرامون ببيند، در قسمت مركزي پوست سر او ظاهر مي¬گردد. اين پتانسيل از دو جز منفي وابسته به خطا (ERN) و مثبت وابسته به خطا (ERP) كه به ترتيب 200 و 300 ميلي ثانيه پس از درك خطا ظاهر مي¬شوند، تشكيل شده است. در اين سيستم واسط مغز-كامپيوتر از پتانسيل وابسته به خطا براي تشخيص وقوع خطا در تعبير فرمان¬هاي مغز توسط سيستم استفاده مي¬شود؛ تا بتوان پس از تشخيص خطا، نگارش حرف را دوباره از سر گرفت. يكي از مسائل مهم در سيستم¬هاي واسط مغز-كامپيوتر حروف-چين، رابط گرافيكي صفحه كليد مي¬باشد. رابط كاربري سيستم طراحي شده در اين پروژه از يك صفحه كليد استاندارد QWERTY، با رويكردي ابداعي براي نگارش حروف با حداقل دستورات بهره مي¬برد. مسئله ي مهم ديگر در سيستم¬هاي واسط مغز-كامپيوتر، روش طبقه‌بندي است. در اين پروژه براي طبقه‌بندي از شبكه¬ي عصبي كانولوشني (CNN) بدليل توانايي دريافت ورودي¬هاي سه بعدي، استفاده از عملگر كانولوشن و توانايي بالاي پردازش اطلاعات استفاده شده است. با توجه به استخراج خودكار ويژگي¬ها در شبكه¬ي عصبي كانولوشني، نحوه¬ي ورود داده¬ها به اين شبكه از اهميت بسزايي برخوردار است. در اين پژوهش چندين روش كارآمد براي ارائه¬ي ورودي به شبكه¬ي عصبي كانولوشني، پيشنهاد شده است. روش¬هاي مطرح شده در اين پژوهش بر روي داده¬هاي مسابقه¬ي سوم BCI مجموعه¬ي دوم، كه داراي دو سوژه مي¬باشد، و مجموعه داده-هاي آماده از پتانسيل خطا با 10 سوژه، مورد ارزيابي قرار گرفته است. بهترين نتايج نشان مي¬دهد كه بطور ميانگين بر روي داده¬هاي مسابقه¬ي BCI صحت 99% و بر روي داده¬هاي پتانسيل خطا صحت 94/28% بدست آمده است، همچنين آزمايشاتي بر روي انسان با روش ارائه شده انجام شده است. 3 آزمايش برون خط و دو آزمايش برخط انجام شد. نتايج آزمايشات نشان مي¬دهد كه صحت 96% در آزمايشات برون خط و صحت 94% در آزمايشات برخط بدست آمده است. سيستم پيشنهاد شده در آزمايشات برخط داراي نرخ تبادل اطلاعات (ITR) تقريبا 120 بيت بر دقيقه (BPM)، مي¬باشد.
-
تاريخ ورود اطلاعات
1401/07/24
-
عنوان به انگليسي
Design of an online speller Brain-Computer Interface with error correction capability
-
تاريخ بهره برداري
9/11/2023 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
محمدتقي رضائي
-
چكيده به لاتين
Brain-computer interface (BCI) enables people suffering from communication problems, communicate with environment. In a BCI system the command is directly transferred from brain to the computer. Mostly electroencephalogram (EEG) is used for acquiring brain activity. Among brain signals, visual P300 is an event-related potential, which is arose nearly 300 milliseconds after seeing an oddball paradigm generated, visual stimulus. This project’s goal is to design and implement a P300 based speller BCI system with automatic error correction capability. The error-related potential (Errp) is another brain signal, witch is arose in the central part of scalp, when the subject make a mistakes or observes something wrong. This potential consists of two parts, the error-related negativity (ERN) and error-related positivity (ERP) witch arise 200 and 300 milliseconds after error perception, respectively. In this BCI system Errp is used for distinguishing error occurrence, when the system misinterprets brain commands. This enables the system to rewrite the letter, after error detection. The graphical interface of the keyboard is an important part of BCI speller systems. The user interface of the designed system, benefits from a standard QWERTY keyboard and a creative procedure to write the letters with minimum number of commands. Another major part of BCI systems is the classification method. In this project convolutional neural network (CNN) is used because of it’s ability to get 3D inputs, using convolution operator and high processing capability. The way that data is entered to CNN is important noting that CNN extracts features automatically. In this project some useful methods for entering data to CNN is proposed. The proposed methods are evaluated on the third BCI competition dataset 2a, with two subjects; and Errp dataset with 10 subjects. The best results demonstrate that on average 99% accuracy on BCI competition data and 94.28% accuracy on Errp dataset is achieved. Also some human experiments are done with the proposed method. Three offline experiments and 2 onlines were performed. The results demonstrate that on average 96% accuracy in offline tests and 94% accuracy in online tests is achieved. The proposed system has the information transfer rate (ITR) of approximately 120 bits per minute (BPM).
-
كليدواژه هاي فارسي
سيستم واسط مغز-كامپيوتر , الكتروانسفالوگرام , P300 , پتانسيل وابسته به خطا , هجي كننده , شبكه¬ي عصبي كانولوشني
-
كليدواژه هاي لاتين
Brain computer interface (BCI) , Electroencephalogram (EEG) , P300 , Error-related potential (Errp) , speller , Convolutional neural network (CNN)
-
Author
Mohammad taghi Rezaie
-
SuperVisor
Dr. Abbas Erfanian Omidvar
-
لينک به اين مدرک :
