پایان‌نامه

تشخیص حرکت چشم از روی سیگنال eeg برای کنترل ویلچر جهت کمک به بیماران als

چکیده

هدف این پایان نامه کمک به بیماران als و دیگران بیماران نورون ها حرکتی که موجب تخریب پیش رونده و غیرقابل ترمیم در دستگاه عصبی مرکزی، مغز، نخاع و دستگاه عصبی محیطی می شود و قادر به فرمان عضلات و ماهیچه برای کنترل اعضای بدن مانند دست و پا برای انجام امور روزمره نیستند، می باشد. این افراد به یک کانال ارتباطی که وابسته به کنترل ماهیچه ها نباشد، نیاز دارند. در واقع، این کانال ارتباطی نباید وابسته به مسیرهای خروجی معمول مغز مانند ماهیچه ها و اعصاب جانبی برای بیان خواسته های بیماران باشد. این کانال ارتباطی می تواند راه جدید برای اجرای دستورات صادر شده از مغز بدون راه های واسط ماهیچه ایی،بوجود آورد. این راه ها میتوانند ارتباط مغز با کامپیوتر (bci)، ارتباط مغز با ماشین (bmi) باشند. برای پروتزهای مصنوعی, حرکت دادن ویلچر و یا صرفًا برای انتقال نیازهای شخص به اطرافیان مورد استفاده قرار گیرد.در این پایان نامه هدف ایجاد یک کانال ارتباطی ساده و قابل حمل بین چشم و ویلچر با تحلیل وآنالیز سیگنال الکتروانسفالوگرام(eeg) می باشد. برای دریافت سیگنال eeg از هدست emotiv که دارای 14 الکترود خشک می باشد استفاده کردیم. آنالیز و کلاس بندی دیتاها در زبان برنامه نویسی پایتون بر روی کامپیوتر تک بردی مانند raspberrypi2 بخاطر سایز کوچک و سرعت آنالیز بالایش، با دقت 89% انجام شد.

اساتید راهنما و مشاور

جواد حدادنیا

پایان‌نامه‌های مشابه

  • ترکیب طبقه بندها جهت تشخیص خودکار مراحل مختلف خواب از روی سیگنال eeg

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده مهندسی برق و کامپیوتررضا کیان زاد

    خواب سالم نقش مهمی در زندگی روزانه افراد دارد، چرا که در عملکرد کاری، ارتباط با دیگران، حالات اخلاقی و ذهنی آن ها تأثیرگذار است. یکی از اقدامات مهم در تشخیص مشکلات بالقوه ی خواب، طبقه بندی خودکار مراحل خواب است. طبقه بندی مراحل خواب به صورت دستی که توسط افراد خبره صورت می گیرد، ک

اسناد مشابه

  • تشخیص احساس از روی سیگنال های EEG به کمک الگوریتم یادگیری ماشین کوانتومی سلسله مراتبی

    مقاله۲۰۲۵پردازش سیگنال پیشرفتهسید عابد حسینی، محبوبه هوشمند

    در سال‌های اخیر استفاده از الگوریتم‌های یادگیری ماشین کوانتومی (QML) برای تشخیص حالت‌های مختلف مغزی از طریق سیگنال‌های EEG موردتوجه قرارگرفته‌است. تشخیص احساس با استفاده از سیگنال‌های EEG نقش کلیدی در تعامل انسان و رایانه و محاسبات احساسی ایفا می کند. این پژوهش از مجموعة داده DEA