تشخیص و طبقه بندی تصورات حرکتی در سیستمهای واسطه مغز با رایانه کابر فرما

هدف یک سیستم واسطه مغز با رایانه برقراری ارتباط یک جانبه میان انسان و رایانه است، بطوریکه از این طریق امکان کنترل محیط خارج برای انسان تنها با استفاده از سیگنالهای مغزی او فراهم شود. بیشتر مطالعات انجام شده در زمینه bci تنها به تفکیک انواع فعالیتهای ذهنی کاربر می پردازند. در اینگونه سیستمها، اجازه کنترل سیستم تنها در فواصل زمانی تعیین شده و توسط سیستم به کاربر می پردازند. در اینگونه سیستمها، اجازه کنترل سیستم تنها در فواصل زمانی تعیین شده و توسط سیستم به کاربر داده می شود و بنابراین پردازش در بازه های زمانی از قبل تعیین شده و به هدف تفکیک انواع فرمانهای کاربر انجام می شود. این سیستمها، سیستمهای سنکرون نام دارند. این در حالیست که برای اینکه یک سیستم bci عملا کاربردی باشد، در مرحله نخست می بایست امکان کنترل سیستم و صدور فرمان کاملا در اختیار کاربر قرار گیرد. به این منظور سیستم باید قادر باشد نیت کاربر در صدور فرمان را در سیگنال مغزی وی تشخیص دهد. اینگونه سیستم، سیستم واسطه مغز با راینه کاربر فرما نامیده می شود و دارای دو ویژگی متمایز است. اول آنکه همیشه امکان کنترل آن توسط کاربر وجود دارد و دوم آنکه بازه هایی که کاربر در آنها قصد کنترل سیستم را ندارد تشخیص می دهد و در این بازه ها خروجی خنثی تولید می کند. در این سیستم، کل سیگنال مغزی به منظور یافتن بازه های وقوع فعالیت ذهنی پردازش می شود. نوع فعالیت ذهنی نیز در این سیستمها غالبا انجام تصورات حرکتی است. مسأله تشخیص بازه های تصور حرکتی از سیگنال مغزی خودبخودی، مهمترین چالش سیستمهای کاربر فرماست. هدف در این پروژه بررسی کلیه راهکارهای ممکن در طراحی سیستم واسطه مغز با رایانه کاربرفرما می باشد. در این راستا دو رویکرد کلی مورد بررسی قرار گرفته اند. در رویکرد نخست، الگوریتمی ارایه شده است که به تفکیک تصورات حرکتی از هم و همچنین از سیگنال خودبخودی تواما می پردازد. در این راستا، موثرترین روشهای تفکیک انواع تصورات حرکتی با نام روش الگوهای مکانی مشترک و نسخه های بهبود یافته آن و توسیع چند کلاسه آنها روی 2 دسته دادگان مربوط به رقابت bci ii پیاده شده است. متوسط اختلافهای نرخ تشخیص درست و نادرست مثبت روی تمام افراد و مربوط به 2 دسته دادگان برابر 97/52 درصد و 33/65 درصد بدست آمده اند. در رویکرد دوم نیز روی روشهای جداسازی بازه های تصور حرکتی از بازه های غیر رخداد آنها تمرکز شده است. علاوه بر بررسی روش مبتنی بر ویژگی و یک روش مبتنی بر مدل خود بازگشتی ، روشهای نوین ترکیب همبستگی با قالب متوسط با روش مبتنی بر ویژگی و یک الگوریتم یادگیری با سرپرستی خودکار ارایه شده است، که بصورت موفقی می توانند الگوهای erd/ers را که نشانه وقوع تصورات حرکتی هستند از سیگنال eeg بازشناسی کنند. این روشها روی دادگان گراتز پیاده شده اند و متوسط اختلافهای نرخ تشخیص درت و نادرست مثبت روی تمام افراد برابر 33/93 درصد و 9/63 درصد به ترتیب به ازای دادگان حرکت واقعی و تصوری بدست آمده اند.