نادر جعفرنیا دابانلو

مقدمه: در این مقاله یک واسط مغز و رایانه برای طبقه بندی تصور حرکت دست راست و چپ با استفاده از روش یادگیری عمیق از روی سیگنال های مغزی ارائه شده است. واسط مغز و رایانه به منظور دستیابی به یک راه ارتباطی بین مغز و یک دستگاه خارجی برای بیمارانی مانند اسکلروز جانبی آمیوتروفیک طراحی می شود به گونه ای که کاربر بدون هیچ گونه استفاده از اندام های بدن و با استفاده از مغز خود دستگاه بیرونی از جمله یک ویلچر را کنترل کند.روش کار: سیگنال الکتروانسفالوگرافی و طیف سنجی نور مادون قرمز از 29 فرد سالم ثبت شد و پیش پردازش سیگنال ها به منظور حذف نویز انجام گرفت. سپس سیگنال ها به صورت جداگانه و به صورت ترکیبی به تصاویر دو بعدی زمان فرکانس اسکیلوگرام با استفاده از تبدیل موجک پیوسته تبدیل شدند و تصاویر هر ناحیه از مغز به صورت جداگانه و ترکیبی به شبکه عصبی کانولوشنی از پیش آموزش دیده ResNet 18 برای استخراج ویژگی و طبقه بندی وارد شدند.یافته ها: نتایج به دست آمده از شبکه عصبی کانولوشنی از پیش آموزش دیده ResNet18 برای تصاویر اسکیلوگرام در نواحی Frontal-Central, Central-Parietal مغز برای سیگنال الکتروانسفالوگرافی 88 درصد، برای تصاویر اسکیلوگرام سیگنال طیف سنجی نور مادون قرمز 85 درصد و برای مجموع تصاویر اسکیلوگرام، دقت 90 درصد به دست آمد.نتیجه گیری: ترکیب تصاویر اسکیلوگرام سیگنال های مغزی و روش یادگیری عمیق استفاده شده منجر به بهبود دقت طبقه بندی تصور حرکت دست راست و چپ نسبت به مطالعات گذشته شد.