توسعه روش های بازشناسی آماری الگو در تشخیص مولفه p300 سیگنال مغزی

فعالیت های شناختی بخشی از فعالیت های مغزی است که در طی کارهایی مانند تشخیص و شناسایی ورودی های حسی، تمرکز و ... بروز می کند. یکی از روش های پرکاربرد در مطالعات مربوط به این فعالیت ها، ثبت پیوسته پتانسیل های الکتریکی مغز (الکتروانسفالوگرافی eeg) است. پتانسیل های وابسته به رخداد (erp)، نوعی از سیگنال eeg است که درشرایط اعمال تحریک به شخص و یا وقوع یک رخداد ظهور می کند. در اکثر مطالعات p300 به عنوان برجسته ترین مولفه شناختی در سیگنالهای مغزی معرفی شده است. با توجه به ارتباط تنگاتنگی که بین بروز این مولفه و فعالیت شناختی مغز وجود دارد، در بسیاری از تحقیقاتی که به نحوی با جنبه شناختی فعالیت مغز سر و کار دارند، مانند سیستم های واسط مغز و رایانه و دروغ سنجی، از این مولفه استفاده شده است. در این پایان نامه هدف، توسعه روش های بازشناسی آماری الگو در تشخیص مولفه p300 است. برای این منظور پس از مطالعات اولیه بر روی مبانی فیزیولوژیکی بروز p300، کارهای قبلی در این حوزه مورد مطالعه قرار گرفت تا زمینه برای معرفی سیستم پیشنهادیِ آشکارساز مولفه p300 فراهم گردد. این سیستم از چهار بلوک اصلی پیش پردازش، استخراج ویژگی، انتخاب ویژگی و طبقه بندی کننده تشکیل شده است که برای هر بلوک روش های مختلفی پیشنهاد و کارایی آنها ارزیابی شد تا روش های بهینه انتخاب گردند. در همین راستا در مرحله استخراج ویژگی شش دسته ویژگی شامل قطعه بندی، ضرایب موجک، الگوهای مکانی مشترک، ویژگی های شکلی- زمانی، ویژگی های فرکانسی و دسته ویژگی ترکیبیِ الگوهای مکانی مشترک و قطعه بندی، تعریف شدند که برخی از این ویژگی ها (مانند ویژگی های قطعه بندی، الگوهای مکانی مشترک و ترکیبی) تا کنون یا مستقیماً برای آشکارسازی p300 به کار نرفته بودند یا در موارد بسیار معدودی از آنها استفاده شده بود. سپس با معیارهای مختلفی ویژگی ها به صورت تک تک و گروهی مورد ارزیابی قرار گرفتند و نهایتاً ترکیبی بهینه از مجموع این ویژگیها به طبقه بندی کنند تحلیل تفکیک خطی گام به گام داده شد. به این ترتیب صحت سیستم حاصل 05/97% شد که در قیاس با نتایج مطالعات قبلی در این حوزه، نتیجه برتری است.