طبقه‌بندي تصور حركت دست راست و چپ با استفاده از روش‌هاي يادگيري عميق از روي سيگنال‌هاي الكتروانسفالوگرافي و طيف‌سنجي مادون قرمز

مقدمه: در اين مقاله يك واسط مغز و رايانه براي طبقه ‌بندي تصور حركت دست راست و چپ با استفاده از روش يادگيري عميق از روي سيگنال ‌هاي مغزي ارائه شده است. واسط مغز و رايانه به منظور دستيابي به يك راه ارتباطي بين مغز و يك دستگاه خارجي براي بيماراني مانند اسكلروز جانبي آميوتروفيك طراحي مي ‌شود به گونه ‌اي كه كاربر بدون هيچ گونه استفاده از اندام ‌هاي بدن و با استفاده از مغز خود دستگاه بيروني از جمله يك ويلچر را كنترل كند. روش كار: سيگنال الكتروانسفالوگرافي و طيف‌ سنجي نور مادون قرمز از 29 فرد سالم ثبت شد و پيش پردازش سيگنال ‌ها به منظور حذف نويز انجام گرفت. سپس سيگنال ‌ها به صورت جداگانه و به صورت تركيبي به تصاوير دو بعدي زمان فركانس اسكيلوگرام با استفاده از تبديل موجك پيوسته تبديل شدند و تصاوير هر ناحيه از مغز به صورت جداگانه و تركيبي به شبكه عصبي كانولوشني از پيش آموزش ديده ResNet 18 براي استخراج ويژگي و طبقه ‌بندي وارد شدند. يافته‌ ها: نتايج به دست آمده از شبكه عصبي كانولوشني از پيش آموزش ديده ResNet18 براي تصاوير اسكيلوگرام در نواحي Frontal-Central, Central-Parietal مغز براي سيگنال الكتروانسفالوگرافي 88 درصد، براي تصاوير اسكيلوگرام سيگنال طيف ‌سنجي نور مادون قرمز 85 درصد و براي مجموع تصاوير اسكيلوگرام، دقت 90 درصد به دست آمد. نتيجه ‌گيري: تركيب تصاوير اسكيلوگرام سيگنال ‌هاي مغزي و روش يادگيري عميق استفاده شده منجر به بهبود دقت طبقه ‌بندي تصور حركت دست راست و چپ نسبت به مطالعات گذشته شد.