بازگشت به بانک اطلاعات پایان نامه ها

شماره دانشجویی : 93757100002
نام و نام خانوادگي : فاطمه نوبخت
عنوان پایان نامه : طبقه بندی تصورات حرکات اندام فوقانی مبتنی بر آنالیز مولفه های اصلی و تئوری تشدید انطباق پذیر فازی برای کاربردهای واسط مغز و کامپیوتر
دانشكده : دانشکده فنی و مهندسی
گروه تحصيلي : مهندسی پزشکی
رشته/گرایش تحصيلي : مهندسی پزشکی گرایش توانبخشی-کارشناسی ارشد
مقطع تحصيلي : کارشناسی ارشد
استاد راهنما (عضو هیات علمی مرکز) : علیرضا کاشانی نیا ,
استاد مشاور () : ,
چكيده : توسعهی طراحی سیستم های واسط مغر وکامپیوتر به شکل فزایندهای در بیست سال اخیر مورد توجه محققان قرار گرفته است . با این وجود بیشتر روشهای کنترلی پیشنهاد شده مبتنی بر استفاده از اهرمهای کنترلی بودهاند که میبایست توسط کاربران این ویلچرها مورد کنترل قرار بگیرد و این موضوع برای آن دسته از کاربرانی که از معلولیتهای جسمی رنج میبرند، ممکن است با محدودیت مواجه شود. از این رو روشهای متعددی مبتنی بر پارامترهای فیزیولوژیکی استخراج شده از بدن و بدون نیاز به اهرم های کنترلی پیشنهاد شده است. در این پژوهش یک تکنیک شش مرحلهای به منظور طبقهبندی ویژگی‌های استخراج شده از سیگنال الکتروانسفالوگرام استفاده می‌شود. در گام اول مجموعهای از داده‌های الکتروانسفالوگرام بایستی استخراج شود. برای این منظور از پایگاه داده BCI2014IIa استفاده می‌شود. این پایگاه داده شامل ثبت 22 کاناله مطابق با تکنیک 10-20 در ثبت سیگنال الکتروانسفالوگرام است که در حین تصور حرکت دست راست، چپ، پاها و زبان است. تعداد نمونه‌های حاضر در این ثبت 9 نفر بوده و به منظور حذف آرتیفکت‌های چشمی ‌از میانگین‌گیری سه کانال تک قطبی سیگنال الکترواوکولوگرام چشمی ‌بهره گیری شدهاست (لاله‌ی گوش راست به عنوان زمین ثبت و از لاله‌ی گوش چپ به عنوان مرجع استفاده شدهاست). فرکانس نمونهبرداری ثبت 250 هرتز بوده و فیلتر به کار رفته برای پیشپردازش داده‌ها یک فیلتر میانگذر 5/0 تا 100 هرتز بودهاست. همچنین از‌ یک فیلتر میاننگذر برای حذف نویز برق شهر نیز استفاده شده است. برای هر نمونه دو جلسه ثبت در نظر گرفته شدهاست که هر جلسه شامل 6 بار اجرای ثبت و جمعا 288 بارثبت برای هر چهار کلاس تصور انجام شدهاست.در گام دوم از این مطالعه پیشپردازش دادهها انجام می‌شود. بدین منظور از فیلترگذاری حوزه‌ی زمان مقیاس (در محدودهی عملیاتی سیگنال الکتروانسفالوگرام) بهرهگیری می‌شود تا تداخل‌ یا نویز منابع نامشخص حذف شود. از آنجایی که تصور حرکات در باند فرکانسی آلفا (8-13 هرتز) و بتای سیگنال الکتروانسفالوگرام (13-23 هرتز) استخراج شد. استخراج این دو باند فرکانسی، گام سوم از این مطالعه را تشکیل می‌دهد. در گام چهارم، از مجموعه‌ی ویژگی‌های زمانی، فرکانسی و غیرخطی به منظور نمایش و استخراج اطلاعات بهینه از سیگنال محاسبه شد. در گام پنجم، از تکنیک کاهش فضای ویژگی با انتخاب ویژگی‌هایی با تفاوت معنادار براساس الگوریتم UTA و آنالیز مولفه‌های اصلی مبتنی بر محاسبه‌ی مقادیر و بردارهای ویژه از ماتریس کواریانس ویژگیها استفاده شد. در گام ششم مجموعه‌ی ویژگی‌های کاهش بعد‌ یافته (خروجی فرآیند کاهش فضای ویژگی) به عنوان ورودی ساختار طبقهبندی کننده اختیار شدند. بدین منظور از ساختارهای طبقهبندی خطی و غیرخطی استفاده شد. اعتبارسنجی روش طبقهبندی از طریق تحلیل ماتریس در هم ریختگی و محاسبه‌ی دقت، صحت و شاخص اختصاصیت انجام شدهاست. نتایج حاصل از شبیهسازی نشان داد که طبقه بندی کننده تشدید انطباق پذیر فازی به همراه ویژگی های انتخاب شده و کاهش یعد یافته میتواند در طبقه بندی تصورات حرکات با صحت بالای 97 درصد به کار گرفتهشود.
كلمات كليدي : واسط مغز و کامپیوتر، استخراج ویژگی، طبقهبندی، تبدیل موجک، تئوری تشدید انطباق پذیر فازی
تاريخ دفاع : 1397-03-13