ارزیابی عملکرد مدل پنهان مارکوف برای آشکارسازی مولفه P300 در سیستم های رابط مغز و کامپیوتر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارزیابی عملکرد مدل پنهان مارکوف برای آشکارسازی مولفه P300 در سیستم های رابط مغز و کامپیوتر دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی عملکرد مدل پنهان مارکوف برای آشکارسازی مولفه P300 در سیستم های رابط مغز و کامپیوتر  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارزیابی عملکرد مدل پنهان مارکوف برای آشکارسازی مولفه P300 در سیستم های رابط مغز و کامپیوتر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی عملکرد مدل پنهان مارکوف برای آشکارسازی مولفه P300 در سیستم های رابط مغز و کامپیوتر :

نام کنفرانس، همایش یا نشریه : مجله فیزیک پزشکی ایران

تعداد صفحات :۱۸

مقدمه: استفاده از مولفه های برانگیخته مغز بواسطه ارایه تحریک به فرد می تواند به عنوان یک ابزار ارتباطی بین انسان و کامپیوتر مطرح گردد. مولفه P300 نمونه ای از این امواج است که امروزه مبنای عملکرد برخی از سیستم های رابط مغز و کامپیوتر قرار گرفته است. در این تحقیق توانایی مدل پنهان مارکوف در تشخیص این مولفه مورد ارزیابی قرار می گیرد.مواد و روشها: ابزارهای پردازشی بکار رفته برای آشکارسازی مولفه P300 در سیگنال الکتروآنسفالوگرام شامل تبدیل موجک، آنالیز مولفه های مستقل ارتقا یافته با تبدیل موجک، و مدل پنهان مارکوف ترکیبی با شبکه عصبی پرسپترون چند لایه می باشد. برای ارزیابی الگوریتم ها،از داده های گروه تحقیقاتی وادسورث در مسابقه BCI2005 تحت عنوان الگوی هجی کننده مولفه P300 استفاده شده است. ابتدا آرتیفکت الکتروآکولوگرام موجود در سیگنال الکتروآنسفالوگرام توسط آنالیز مولفه های مستقل ارتقا یافته با تبدیل موجک حذف شده است. سپس نویز الکتروآنسفالوگرام زمینه توسط تبدیل موجک چندجمله ای مرتبه دوم حذف گردیده و در نهایت این سیگنال ها با استفاده از مدل پنهان مارکوف و یک شبکه عصبی پرسپترون چند لایه، دسته بندی شده اند.نتایج: پارامترهای استفاده شده برای ارزیابی عملکرد روش پیشنهادی در این تحقیق مشتمل بر صحت، حساسیت، دقت، میزان پیش بینی موارد مثبت، و میزان پیش بینی موارد منفی می باشد. صحت دسته بندی سیگنال های آزمون در حالت های ۱۵ و ۵ مرتبه متوسط گیری از آنها به ترتیب ۸۱.۶% و ۵۰.۷% بدست آمد.بحث و نتیجه گیری: مدل پنهان مارکوف در فرآیند دسته بندی داده ها، محتمل ترین مدل منطبق بر داده ها را می یابد اما نحوه تصمیم گیری در مورد دسته بندی آنها را تعلیم نمی بیند. به منظور رفع این مشکل لازم است از یک الگوریتم تصمیم گیرنده کمکی در کنار این مدل استفاده شود. به همین منظور از شبکه عصبی پرسپترون چند لایه در کنار این مدل برای دسته بندی سیگنال ها استفاده شده است. در نهایت، با نگاهی کلی به نتایج بدست آمده در این تحقیق می توان استنباط نمود که استفاده از مدل پنهان مارکوف به منظور تفکیک مولفه P300 در حالت برخط می تواند به عنوان یک گزینه مناسب مطرح گردد.

کلید واژه: مولفه P300، الکتروآنسفالوگرام، رابط مغز – کامپیوتر، مدل پنهان مارکوف، آنالیز مولفه های مستقل، تبدیل موجک، شبکه عصبی پرسپترون