شبکه عصبی کانولوشنی

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.

مقدمه: بیماری آلزایمر یک بیماری مغزی پیش رونده و غیرقابل برگشت است که به آرامی حافظه و قدرت تفکر را از بین برده و حتی توانایی انجام کارهای ساده را از فرد می گیرد. تشخیص زودهنگام آلزایمر می تواند به بیماران مبتلا به این بیماری کمک کند تا با تغییر سبک زندگی خود روند پیشرفت این بیماری را کاهش دهند. بررسی تصاویر MRI، به تشخیص بیماری آلزایمر کمک شایانی می کند. روش کار: در این مقاله به تشخیص زودهنگام بیماری آلزایمر با استفاده از تصاویر MRI به کمک شبکه عصبی کانولوشنی و منطق فازی پرداخته می شود. در این راستا، پس از استخراج ویژگی های مناسب از تصاویر MRI، از شبکه عصبی کانولوشنی استفاده خواهد شد. به منظور بهبود دقت روش پیشنهادی، از یک لایه فازی بین لایه ادغام و لایه کاملا هم بند استفاده می شود تا با بهره گرفتن از درجه تعلق داده ها به هر کدام از دو دسته، باعث تشخیص دقیق افراد سالم و مبتلا به آلزایمر شود. یافته ها: نتایج آزمایشات نشان می دهد که روش پیشنهادی به ترتیب با دقت، صحت، فراخوانی و آماره F، 61/99، 51/96، 32/95 و 61/95 نسبت به دیگر روش ها از کارایی بهتری برخوردار است. نتیجه گیری: نتیجه گیری می شود که مدل پیشنهادی با استفاده از شبکه عصبی کانولوشنی از دقت بالایی در تشخیص بیماری آلزایمر برخوردار است به علاوه استفاده از دسته بندی فازی دقت مدل را به طور قابل توجهی افزایش داده است.