ارائه یک روش پردازش پیوسته سیگنال در سیستم های واسط مغز-رایانه مبتنی بر سیگنال های ecog و eeg
Abstract(in Persian; no English abstract is available)
سیستم های واسط مغز-رایانه یک حوزه نوظهور است که زمینه های تحقیقاتی مختلف سخت افزاری، نرم افزاری و پزشکی را دربر می گیرد. در فرایند نرم افزاری واسط مغز-رایانه پس از ضبط سیگنال های مغز، ابتدا سیگنال های ناخواسته پالایش می شود و ویژگی های مورد نظر استخراج می گردد. در نهایت نتایج کلاس بندی ویژگی ها به دستورات ماشین ترجمه می شود. با توجه به تنوع و تعداد الکترودهای مورد استفاده انتخاب الکترود (کانال اطلاعات) مناسب که حامل اطلاعات مفید است و در نتیجه آن انتخاب ویژگی موثر می تواند در افزایش دقت فرایند کلاسبندی و سرعت پردازش کمک نماید. هدف این مطالعه استفاده از آنتروپی فوریه در یافتن الکترود حاوی اطلاعات موثر است. نظر به اینکه داده های الکتروکرتیکوگرافی دارای مزایایی (بالا بودن نرخ سیگنال به نویز، وضوح طیفی، پهنای باند سیگنال و بالا بودن دامنه سیگنال) نسبت به الکتروانسفالوگرافی هستند؛ در این مطالعه بررسی شده اند. از دادههای الکتروانسفالوگرافی نیز در مرحله اعتبارسنجی استفاده شده است. در این مطالعه سیگنال های ecog که توسط دانشگاه واشنگتن ثبت شده اند مورد مطالعه قرار گرفته اند. این سیگنال ها حاوی اطلاعات حرکتی ساده مانند باز و بسته کردن دست و دهان در دوره های متوالی استراحت-حرکت می باشند. افزایش میزان آنتروپی هم زمان با افزایش طول پنجره لغزان در طول سیگنال ها بر عدم یکسانی اطلاعات در طول سری زمانی دلالت می کند و در نتیجه بر وجود اطلاعات حرکتی در کانال مورد نظر تاکید می کند. در این روش بر خلاف سایر روش ها هر الکترود با خودش برای تعیین میزان اطلاعات مقایسه می شود. بنابراین این روش بر داوطلب و کانال پایه ریزی شده است.