بخشی از مقاله
خلاصه
یکی از عمدهترین روشهای استخراج ویژگی در سیستمهای واسط مغز و رایانه - BCI - مبتنی بر ثبت 25 mm 30 mm الکتروانسفالوگرام - - EEG، استفاده از الگوی فضایی مشترک - CSP - میباشد. با وجود کاربرد گسترده این روش از آن جا که CSP بسیار حساس به نویز است، در این مقاله از روش های رگولار شده و بهبود یافته الگوی فضایی مشترک به عنوان راهکاری جهت استخراج دقیقتر ویژگیهای موردنظر استفاده شده است. در نهایت عملکرد 4 الگوریتمRCSP را روی مجموعه دادههای چهارمین دوره مسابقات جهانی BCI مقایسه میکنیم. نتایج نشان میدهد که الگوی فضایی منظم شده تیخونوف دارای کارائی بهتری نسبت به دیگر روشهای الگوی فضایی منظم شده هستند.
.1 مقدمه
بیماریهای مختلفی میتوانند باعث صدمه دیدن سیستم عصبی عضلانی، که مغز از طریق آن قادر به ایجاد ارتباط و اعمال کنترل به محیط خارج است، شوند. در شرایط حاد بیماری، فرد مبتلا ممکن است تمام حرکات ارادی خود از جمله حرکت چشم و تنفس را نیز از دست بدهد. به این گونه بیماران، اصطلاحا Locked-in گفته میشود. پیشرفتهای اخیر در سخت افزار و پردازش سیگنال استفاده از سیگنال های EEG را برای ارتباط انسان و رایانه ممکن ساخته است.[1] سیستم واسط مغز و رایانه - - BCI، یک سیستم ارتباطی برای انتقال پیام از یک شخص به دنیای بیرون است که از طریق مسیرهای خروجی معمولی مغز، یعنی عصبهای محیطی و ماهیچهها صورت نمیگیرد.
در سیستم های BCI ورودی همان سیگنالهای الکتریکی ثبت شده از داخل مغز - روش تهاجمی - و یا از روی پوست سر - روش غیرتهاجمی - میباشد. این سیگنالها میتوانند بر اساس باندهای فرکانسی طبقهبندی شوند. ریتمهای مختلف مغز، دلتا، تتا، آلفا، بتا و گاما هستند. علاوه بر آلفا یک نوع موج دیگر در همان محدوده به نام امواج میو وجود دارد. و در هنگامی که دستها و بازوها بیکار هستند زیاد میشوند.[2]
این ریتمها همراه با محدوده فرکانسی خود، دامنه و حالت مربوطه از ذهن در جدول 1 نمایش داده شده است. دو نوع از نوسانات مهم در رسانههای واسط مغز و رایانه - BCI - عبارتند از: ریتم میو و بتا که هر دو در ناحیه حسی-حرکتی مغز ایجاد میشوند. تصور حرکت میتواند سبب کاهش دامنه - ERD - و یا افزایش دامنه - ERS - در دو باند فرکانسی میو و بتا شود. در حین تصور حرکت ERD در زمان شروع نصور در باندهای فرکانسی میو و بتا در نیمکره مخالف مغز ایجاد میشود در حالیکه ERS در زمان پایان تصور در باند فرکانسی بتا ایجاد میشود3]و.[4
تا کنون روشهای مختلفی برای افزایش کارائی سامانههای واسط مغز و رایانه ارائه شده است. یکی از روشهای معمول استفاده از الگوی فضایی مشترک - - CSP است. این الگوهای فضایی از دو مجموعه آزمونهای EEG مربوط به دو کلاس بهدست آمده به طوری که تفادت این دو مجموعه را زیاد کند.[4] در این مقاله ما از یک فیلتر اصلاح شده - RCSP - برای بهبود استخراج ویژگی از سیگنالهای مغزی در حین تصور حرکت استفاده میکنیم. سپس از فیلتر TRCSP برای بهبود بیشتر استفاده کرده و خواهیم دید الگوی فضایی مشترک منظم شده تیخونوف کارآیی بهتری دارد.
.2 آزمایش و پیش پردازش
در این تحقیق، مجموعه داده 2a از چهارمین دوره مسابقات BCI استفاده شده است. این مجموعه شامل 22 کانال از سیگنالهای EEG مربوط به 9 فرد با نرخ نمونهبرداری 250 Hz میباشد. سیگنالهای ثبت شده از فیلتر میان گذر در محدوده 0,5-100 Hz با فرکانس قطع 50 Hz عبور داده شدهاند. در مقابل فرد مورد مطالعه صفحه نمایشی وجود داشته است. در شروع آزمایش در t=0 یک علامت + بر روی صفحه مشکی ظاهر میشود و صدای هشدار کوتاهی پخش میگردد. بعد از 2 ثانیه یکی از علامت های چپ، راست، بالا و پایین مطابق با یکی از چهار حالت تصور حرکت - تصور حرکت دست راست، دست چپ، پا یا زبان - بر روی صفحه نمایش ظاهر میشود. این علامت به مدت 1,25 ثانیه بر روی صفحه نمایش باقی میماند.
فرد مورد مطالعه تا زمان t =6 ثانیه فعالیت خواسته شده را تصور میکند. بعد از یک زمان استراحت کوتاه همین روند کار تکرار میشود. در اینجا تنها از داده های مربوط به تصور دست راست و چپ استفاده شده است. دادههای EEG برای هر فرد شامل 72 داده آموزش و 72 داده تست در هر کلاس بوده و دادههای تست در روز دیگری ثبت شدهاند. در این تحقیق از محدوده زمانی 0,5 تا 2,5 ثانیه بعد از ظاهر شدن علامت بر روی صفحه نمایش برای استخراج ویژگی استفاده شده است - مانند برنده چهارمین مسابقه BCI در همین مجموعه داده - . سپس برای حذف نویز از یک فیلتر میانگذر با باند عبور 8 تا 30 هرتز روی سیگنال استفاده کردهایم. این بازه دو باند فرکانسی میو و بتا را که جز باندهای مهم در سیستم های BCI به شمار میروند را در بر داشته و نسبت به بازههای با پهنای باند باریکتر عملکرد بهتری در جداسازی الگوهای تصورات حرکتی از خود نشان داده و دقت طبقهبندی را افزایش میدهند.
.3 روشها
.3-1 الگوی فضایی مشترک - CSP -
این فیلترها که بیشتر برای بازشناسی الگو طراحی شدهاند در سال 1995 توسط Koles مطرح شد و نخستین بار برای تجزیه مؤلفه های نورولوژیک در کاربردی کلینیکی از الکتروانسفالوگرافی استفاده شد. روش الگوهای فضایی مشترک بر اساس قطری سازی همزمان دو ماتریس متقارن حقیقی - که توسط Fukunaga ارائه شدند - کار میکند. قطری سازی همزمان اجازه تجزیه سیگنال EEG خام به دو الگوی مجزا از دو کلاس را میدهد که در این دو کلاس به صورت همزمان، واریانس یکی از کلاسها بیشینه و واریانس دیگری کمینه است. در این صورت اگر تنها از فیلترهای با قابلیت تفکیک بیشتر استفاده شود، ابعاد داده هم کاهش مییابد و عملکرد طبقه بندی کننده نیز بهتر میشود.[5]
