تشخیص و تفکیک فرمان های حرکتی قشر مغز مربوط به حرکات دست، با استفاده از سیگنال های مغزی

بحث سیستم واسط مغز-رایانه یا ((bci) brain-computer interface)، از جمله مباحثی است که طی دهه اخیر مورد توجه بسیاری از گروه های تحقیقاتی قرارگرفته است. سیستم واسط مغز-رایانه، سیستمی است که بتواند سیگنال های ثبت شده از تعدادی فعالیت ذهنی را از یکدیگر تفکیک کند و از آن یک الفبای ساده را تشکیل دهد. بصورتی که کاربر این سیستم بتواند با انجام ترکیب های مختلفی از این الفبا، با دنیای اطراف ارتباط برقرار کند. تحقیقات بسیاری بر روی سیستم های واسط مغز-رایانه انجام شده است که اکثر آن ها بر اساس استراتژی ها و حالات مختلف ذهنی، طراحی شده و از ویژگی های استخراج شده از سیگنال های مغزی جهت دسته بندی این حالات مختلف ذهنی استفاده کرده اند. یکی از مسائل مهم در طراحی یک سیستم واسط مغز-رایانه انتخاب نوع فعالیت ذهنی برای تصور است. در تعدادی از این سیستم ها فعالیت ذهنی با قصد کاربر و عملی که باید توسط سیستم واسط مغز-رایانه کنترل شود متفاوت است و در تعدادی دیگر سیگنال دریافتی حاوی همان فعالیت های ذهنی مرتبط با عملی است که باید توسط سیستم واسط مغز-رایانه انجام گیرد. در مواردی که فعالیت ذهنی با عمل مورد نظر هماهنگی دارد می توان تصور و قصد کاربر را به عنوان استراتژی فرایند در نظر گرفت. به طور مثال، می توان حرکات مختلف دست مانند حرکت بالا بردن و پایین آوردن را قصد کاربر و فعالیت های ذهنی تصور و اراده ی این اعمال را دستورات اعمال شده به سیستم در نظر گرفت که از چندین کانال خاص ثبت و بنا بر تفاوت ها و ویژگی های منحصر به فرد از هم تفکیک و دسته بندی کرد. هدف این پروژه تشخیص و تفکیک تصور چندین حرکت دست از جمله حرکت بالا بردن و پایین آوردن کل دست، باز کردن آرنج و بستن مچ از روی سیگنال های الکتروانسفالوگرافی (eeg) است. از این طریق هماهنگی بین تصور ذهنی با عملی که توسط سیستم واسط مغز-رایانه در خروجی آن تولید شده ایجاد شده است. تحقیقات بر روی دو مجموعه سیگنال آماده که مبتنی بر تصور حرکت هستند، انجام شده است که شامل تصور حرکت بالا بردن و پایین آوردن کل دست راست، باز کردن آرنج و بستن مچ دست راست است. این مجموعه سیگنال های آماده در کل مربوط به پنج فرد سالم بوده است. در این پروژه یک الگوریتم چند مرحله ای با پنج روش مختلف برای استخراج ویژگی ها و سه الگوریتم برای دسته بندی پنج دسته داده (بالا و پایین آوردن کل دست، باز کردن آرنج، بستن مچ و حالت استراحت) طراحی شد. در ابتدا با بررسی نتایج اولیه مناسب ترین روش استخراج ویژگی برای هر دسته بندی کننده انتخاب شد و بر اساس این انتخاب پنج الگوریتم برای پنج داوطلب طراحی شد که بر اساس بهترین روش های استخراج ویژگی بوده است. این پنج الگوریتم سه بار پیاده سازی شدند که در هر بار یکی از سه الگوریتم دسته بندی استفاده شد، تا در نهایت بهترین الگوریتم ویژه هر نفر طراحی گردید.