جستجو در مقالات منتشر شده


2 نتیجه برای آنالیز اجزاء مستقل

احسان ایمانی، علی پورمحمد،
دوره 18، شماره 7 - ( 7-1394 )
چکیده

  زمینه و هدف: در پژوهش ‌ های گوناگون از الگوریتم آنالیز اجزاء مستقل (ICA) جهت تشخیص و حذف آرتیفکت ‌ های چشمی استفاده شده است. اما در این پژوهش، به منظور نوآوری، از الگوریتم ICA هم زمان جهت آشکار سازی آرتیفکت چشم و نیز آشکارسازی سیگنال ‌ های مغزی دوگروه مفهومی کلمات خطر و اطلاع رسانی استفاده شد.

  مواد و روش ها: در این مطالعه توصیفی - تحلیلی، ثبت سیگنال ‌ ها به کمک دستگاه میکرومد و کلاه 19 کاناله به صورت تک قطبی با الکترود مرجع Cz انجام شد. جامعه آماری، شامل چهار نفر مرد و چهار نفر زن با دامنه سنی 25 تا 30 سال بود و تکلیف طراحی شده عبارت از سه گروه از تابلوهای راهنمایی و رانندگی بود، به طوری که دو گروه به مفهوم خطر و یک گروه به مفهوم اطلاع رسانی اشاره داشتند. 

  یافته ها: از بین داوطلب، در دو نفر امواج آلفا با توان بسیار بالا در زمان‌های استراحت در پس سر مشاهده شد، اما در زمان‌های تفکر این گونه نبود. با توجه به امواج آلفای پس سری، در زمان تغییر تکلیف از تفکر به استراحت، حداقل 3 و حداکثر 5 ثانیه طول کشید تا دو داوطلب وارد استراحت مطلق شدند. در 7 نفر از آن ‌ ها، سیگنال ‌ های خطر و اطلاع رسانی به خوبی تفکیک شدند که این تفاوت ‌ ها در 5 نفر از 8 داوطلب در نیمکره راست و در 3 داوطلب دیگر در نیمکره چپ مشاهده شدند.

نتیجه گیری: الگوریتم ICA به عنوان یکی از الگوریتم ‌ های تشخیص کور منابع، برای تشخیص مفهوم کلمه و جایگاه آن در مغز مناسب می ‌ باشد. نتایج این آزمایش با نتایج به دست آمده از روش ‌ هایی هم ‌ چون تصویر برداری تشدید مغناطیسی عملکردی (fMRI) و روش ‌ های مبتنی بر برق نگاری سیگنال ‌ های مغزی (EEG) در تصور واکه ‌ ای در گفتار خاموش یکسان می ‌ باشد.
مهسا باقری، علی پور محمد، احسان ایمانی،
دوره 18، شماره 12 - ( 12-1394 )
چکیده

زمینه و هدف: هدف از پژوهش حاضر طراحی رابط مغز-رایانه جهت تفکیک سیگنال‌های مغزی در حین تصور چهار جهت اصلی می‌باشد. به منظور نوآوری، افراد جهت‌های مورد نظر را با کمک قدرت تخیل در ذهن تصویرسازی کردند. الگوریتم آنالیز اجزاء مستقل برای نخستین بار هم در جهت استخراج آرتیفکت‌ها و هم در جهت تعیین سیگنال هدف استفاده گردید.

مواد و روش‌ها: در این مطالعه توصیفی- تحلیلی، ثبت سیگنال‌ها با دستگاه میکرومد و کلاه 19 کاناله به صورت تک قطبی انجام شده است. جامعه آماری شامل 3 فرد در بازه سنی 25 تا 30 سال و تکلیف طراحی شده شامل 24 نمایش از چهار جهت اصلی بوده است.

یافته‌ها: شبیه‌سازی‌ها نشان داده‌اند که بهترین صحت‌های تفکیک به پنجره زمانی با طول 5/2 ثانیه مربوط بوده است و ویژگی ضرایب مدل خودبازگشتی مرتبه 15 بهترین انتخاب برای ویژگی استخراجی است. برای تمامی حالت‌های شبکه عصبی با تعداد لایه‌ها و نورون‌ها و توابع جداساز مختلف، صحت‌های تفکیک، تفاوت قابل مقایسه‌ای نداشتند. در مقایسه با شبکه عصبی، آنالیز جداکننده خطی (LDA) صحت‌های طبقه‌بندی بهتری را نشان داد.

نتیجه گیری: نتایج پژوهش حاضر با نتایج حاصل از روش‌هایی هم‌چون تصویرسازی تشدید مغناطیسی کارکردی (fMRI) و روش‌های مبتنی بر سیگنال‌های مغزی در تصور واکه‌ای هم پوشانی دارد. در این پژوهش با استخراج سیگنال هدف از خروجی الگوریتم آنالیز اجزای مستقل و استخراج ویژگی ضرایب خودبازگشتی و پنجره گذاری با طول 5/2 ثانیه بهترین صحت تفکیک از تفکیک کننده آنالیز جداساز خطی حاصل گشت.



صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی اراک می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Arak University of Medical Sciences

Designed & Developed by : Yektaweb