تخمين پارامترهاي ارتباط مؤثر در مغز از روي سيگنال الكتروانسفالوگرام احساسات، با استفاده از روشهاي عليّيت گرنجر و تابع انتقال مستقيم

احساسات پديده ي پيچيده اي است كه از مسايل روزمره نشأت ميگيرد و بر تصميمات فردي نيز بسيار تأثير ميگذارد. گستره ي اين تصميمات نيز ميتواند بر زندگي فردي و اجتماعي افراد يك جامعه اثرگذار باشد. هدف اين پژوهش، تخمين ميزان ارتباط مؤثر در فضاي منابع مغزي است. براي رفتن از فضاي حسگرها به فضاي منابع، از آناليز مؤلفه ي مستقل استفاده ميشود و منابع مغزي نيز بر اساس آنتروپي شنون مرتب و شماره گذاري ميشوند. روش: در پژوهش پيشِرو، ارتباط نواحي مغزي با روش ارتباط مؤثر بررسي شد؛ به اين صورت كه پس از اينكه به افراد تصاويري با مضامين شاد، غمگين و خنثا نشان داده شد، سيگنال 16 كانال الكتروانسفالوگرام آنها ثبت و سپس با استفاده از دو روش علييت گرنجر و تابع انتقال مستقيم ميزان ارتباط مؤثر تخمين زده شد. يافته ها: بر پايه ي اطلاعات به دست آمده از ارتباطات در روش علييت گرنجر و تصاوير توپوگرافي منابع مغزي، مدلهايي از ارتباط مؤثر در حالتهاي احساسي مختلف پيشنهاد شد. مدل هر نمونه، با مدلهاي پيشنهادي شباهت سنجي و به آنها برچسب زده شد. صحت شباهت سنجي در حالت شاد، غمگين و 61 درصد بود. نتيجه گيري: بر اساس روش علييت گرنجر، مدل هاي / 55 و 1 /5 ،63/ خنثا به ترتيب 8 ارائه شده با اطلاعات مكاني نشان مي دهد كه در حالت شاد سمت چپ مغز و در حالت غمگين سمت راست فعاليت بيشتري دارد و در حالت خنثا نيز بيشتر سمت چپ مغز درگير است. در هر سه حالت، قسمت هاي پس سري و جلوسري در رد و بدل كردن اطلاعات درگيرند. در تخمين ارتباطات، تفكيك پذيري روش تابع انتقال مستقيم كمتر از علييتّ گرنجر است و لذا، ارائه ي مدل بر پايه ي آن دشوارتر و صحت آن نيز كمتر خواهد بود.

Introduction: Emotions can be called a complex phenomenon which has been derived from an individual’s daily matters. Emotion has huge effect on individuals’ decision making. Decision making spectrum can have effect on self and social life of a society. Method: Some pictures with contents of happiness, sadness and neutral have been shown to a group of subjects and a 16-channel EEG signal has been recorded. The goal is to estimate effective connectivity in brain source area. Independent Component Analysis (ICA) is used to move from sensory space to brain source area. The brain sources are sorted and marked based on Shannon entropy. Relation between brain regions will be surveyed by effective connectivity. Granger causality and Direct Transform Function (DTF) is used for estimating effective connectivity. Results: Based on the result of Granger causality and brain source topographies, different models of effective connectivity have been proposed. Subjects’ individual models were compared with proposed models and each of them were labeled. Accuracy for classification of happiness, sadness and neutral moods are equal to 63.8%, 55.5% and 61.1%.Conclusion: Proposed model with spatial information based on Granger causality shows that in happy mood brain’s left hemisphere has more activity. In sad mood, the right hemisphere has more activity. In neutral mood, also brain’s left hemisphere is engaged. The occipital and frontal lobes are engaged in information exchange. DTF with respect to Granger causality has less resolution in estimating the connectivity. As a result, proposing model based on it will be harder and less accurate.