ارزیابی مدل های غیرخطی مبتنی بر توابع کرنل برای رمزگشایی نیرو با استفاده از سیگنال-های پتانسیل میدانی محلی

کنترل پروتز عصبی به منظور بازیابی عملکرد دست افراد مبتلا به فلج در اندام‌های فوقانی، یکی از کاربردهای مهم سیستم‌های BCI می‌باشد. توانایی گرفتن اجسام، از ابتدایی‌ترین نیازها برای انجام کارهای روزانه است و برای عملکرد صحیح پروتز عصبی بدین منظور، لازم است کاربر بتواند مقدار نیروی لازم برای گرفتن اجسام را کنترل کند. به همین دلیل افزایش دقت رمزگشایی پیوسته نیرو، موضوعی مهم برای عملکرد صحیح این نوع سیستم‌های BCI می‌باشد. در اغلب پژوهش‌های صورت گرفته در زمینه رمزگشایی نیرو، از مدل‌های خطی مانند فیلتر وینر، فیلتر کالمن و PLS استفاده شده و تاکنون تاثیر استفاده از مدل‌های غیرخطی بر دقت رمزگشایی نیرو مورد بررسی قرار نگرفته است. هدف این پژوهش، بررسی تاثیر استفاده از مدل‌های رگرسیون غیرخطی مبتنی بر توابع کرنل بر دقت رمزگشایی نیروی دست موش صحرایی با استفاده از سیگنال‌های پتانسیل میدانی محلی می‌باشد. بدین منظور، روش‌های رگرسیون ستیغی، PCR و PLS را در نظر گرفته و با استفاده از تابع کرنل گوسی، تعمیم‌یافته غیرخطی آنها را برای تخمین پیوسته نیرو به کار گرفته‌ایم. ارزیابی و مقایسه روش‌های رگرسیون ستیغی کرنلی، PCR کرنلی و PLS کرنلی نشان می‌دهد که در نظر گرفتن ارتباطات غیرخطی بین ویژگی‌های سیگنال مغزی، دقت رمزگشایی نیرو را نسبت به مدل‌های خطی بهبود می‌بخشد. درصد بهبود میانگین ضریب R2، 12.7% برای روش رگرسیون ستیغی کرنلی نسبت به روش ستیغی، 25.5% برای روش PCR کرنلی نسبت به PCR و 19.1% برای روش PLS کرنلی نسبت به PLS بوده است. بهترین دقت رمزگشایی نیرو نیز به ازای روش رگرسیون ستیغی کرنلی و با میانگین ضریب همبستگی 72% و مقدار R2 برابر 0.62 بدست آمده است.