دانلود پایان نامه

سیگنال استخراج میکنیم. در مرحله بعد به دستهبندی سیگنالهای مغزی بر اساس ویژگیهای استخراج شده میپردازیم. کارایی دستهبندی بر اساس هر مجموعه از ویژگیها را ارزیابی میکنیم.
ساختار پایان نامه
در فصل دوم در مورد سیگنالهای مغزی و انواع آنها و نحوه ثبت آنها بحث می شود. برای اینکه یک مرور کلی بر روی کارهای گذشته و روشهای که تا کنون استفاده شده است داشته باشیم فصل سه به این منظور اختصاص داده شده است. در این فصل انواع روشهای استخراج ویژگی بررسی می شود. سپس روشهای موجود برای دسته بندی که تا کنون استفاده شده است را بررسی می کنیم. در فصل چهار به معرفی و توصیف تبدیل والش که در این پایان نامه از آن استفاده شده است میپردازیم. برای داشتن یک مقایسه، سه تبدیل فوریه، موجک و والش را معرفی می کنیم و در مورد آنها صحبت می شود. در فصل پنجم نیز روش پیشنهادی خود در حذف نویز و استخراج ویژگی را توصیف میکنیم. در نهایت در فصل ششم روش حذف نویز و عمل دستهبندی با استفاده از این ویژگیها را با سایر روشها مقایسه میکنیم و به نتیجه گیری در مورد کار میپردازیم.

فصل دوم

سیگنالهای مغزی
۲-۱- مقدمه
سیگنال EEG مخفف Electroencephalography است که با استفاده از یک سری الکترودها که در سطح مغز قرار می‌گیرند، فعالیت‌های الکتریکی مغز را اندازه گیری می‌کند[۱۳]. الکترودها به منظور جمع آوری ولتاژ در مکان‌های خاصی از مغز قرار می‌گیرند. قبل از اینکه الکترودها در سطح پوست قرار گیرند یک ژل هادی به منظور کاهش مقاومت روی پوست سر مالیده می‌شود. خروجی این الکترودها به ورودی یک تقویت کننده وصل می‌شود سپس از فیلترهای بالا گذر و پایین گذر عبور داده می‌شود. تغییرات در جریان اکسیژن خون با میزان فعالیت‌های عصبی ارتباط دارد. زمانی که سلول‌های عصبی فعال هستند اکسیژنی که توسط هموگلوبین خون حمل می‌شود را مصرف می‌کنند. پاسخ محلی به این کاهش اکسیژن افزایش جریان خون در ناحیه‌هایی است که فعالیت‌های عصبی زیاد است. از طرف دیگر در اثر فعالیت‌های عصبی و انتقال پیام‌های عصبی جریان الکتریکی تولید می‌شود که این جریان الکتریکی طبق قانون مارکوف یک میدان مغناطیسی را تولید می‌کند.
۲-۲- کشف سیگنالهای مغزی
در سال ١٨٧۵ ریچارد کاتن جراح انگلیسی ، به وجود پتانسیلهای الکتریکی در سطح قشر مغز باز شده حیواناتی همچون خرگوش و میمون پیبرد [۱۴] او همچنین گزارش داد که وقتی به چشم حیوان نور میتابد، تغییراتی را در پتانسیل مغز او و در جهت خلاف چشمی که در آن نور تابانده شده است مشاهده میشود . در همان سالها تحقیقات مشابهی نیز در روسیه و فنلاند انجام گرفت.[۱۵] اما هانس برگر پزشک و روانشناس آلمانی نخستین کسی بود که سیگنالهای مغزی یک انسان را ثبت نمود. او با اطلاع یافتن از نتایج تحقیقات کاتن برروی حیوانات، مسیر تحقیقات خود را متوجه انسانها نمود .وی که با استفاده از وسایل ابتدایی گالوانومتر رشته ای۱۲ تحقیقات خود را انجام میداد، در سال ١٩٢٠ اولین نتایج خود را با افرادی که دارای جمجمه با فاصله ای فاقد استخوان بودند بدست آورد . برگر عمل ثبت را برروی کاغذ عکاسی و با حرکت یک نقطه نورانی نوسانی برروی آن انجام میداد. به همین ترتیب بود که برگر حرکات منظم با فرکانس تقریبی ١٠ هرتز را کشف کرد و آنها را که نخستین ریتم پیدا شده در سیگنالهای مغزی انسان بودند را α نامید.
در طول چند سال بعد برگر کارهای خود را با انجام ثبت های بیشتر ادامه داد تا مطمئن شود که آنچه ثبت میشود ناشی از هارمونیکهای۱۳ تولید شده توسط جریان خون و یا ناشی از پوست سر نمیباشد . تا اینکه نهایتا در سال ١٩٢٩ چنین نوشت[۱۶]:
“EEG یک منحنی با نوسانات پیوسته است که با آن میتوان به وجود امواج نوع اول با دوره متوسط ۹۰ms و امواج نوع دوم، با دامنه کوچکتر و با دوره متوسط۳۵ ms پیبرد. نوسانات با دامنه حداکثر۱۵۰-۲۰۰ میکروولت اندازه گیری شده اند.”
تقریبا از همان زمان نامگذاری امواج مغزی تحت عناوینα,β,.. همچنین استفاده از اصطلاح الکترو انسفالوگرام برای سیگنالهای مغزی متداو ل شد . برگر از همان زمان بدنبال یافتن ارتباط امواج مغزی با برخی بیماریها و فعالیتهای ذهنی بود . او در ادامه تحقیقات خود متوجه تغییرات امواج α در بیماری هایی همچون صرع، آلزایمر و همچنین در طول مدت خواب گشت.
نتایج تحقیقات برگر او را به سرعت به شهرت جهانی رساند. وی دو بار نامزد دریافت جایزه نوبل شد؛ اما بعلت مخالفت نازیها این جوایز به او اعطا نشد. وی نهایتا در سال ۱۹۴۱ خودکشی کرد.
۲-۳- ثبت سیگنالهای مغزی
اغلب برای قرار دادن الکترودها بر روی سر جهت ثبت امواج مغز از سیستم بین المللی ۲۰/۱۰ الکترود استفاده میشود. این سیستم از محلهای آناتومیکی۱۴ ویژه ای برای استاندارد کردن محل الکترودها استفاده میکند.
برای داشتن امکان مقایسه نتایج ثبت سیگنال مغزی و امکان تعمیم نتایج، در سال ۱۹۴۹ میلای یک شیوه الکترودگذاری به عنوان استاندارد بین المللی شناخته شد[۱۷]. این چیدمان جهانی الکترودها که به عنوان `استاندارد ۱۰-۲۰ شناخته شد، امکان پوشاندن تقریبا تمام نواحی سر را توسط الکترودها فراهم می‌کند(شکل[۱۸](۱-۲٫ انتخاب محل الکترودها بر اساس نقاط ویژه استخوان جمجمه انجام گرفته است. الکترود‌ها در نواحی تلاقی سطوح استخوان جمجمه قرار می‌گیرند که سایر الکترودهای میانی بر اساس ۱۰ و ۲۰ درصد کل فاصله چیده خواهند ش
د. شکل(۱-۲) نواحی مختلف قرار گیری الکترودها را نشان می‌دهد. نام هر منطقه بر اساس لبی که در آن قرار گرفته ‌است و قرار داشتن در نیم‌کره راست یا چپ مشخص می‌شود. به این صورت که در نیم‌کره چپ با اعداد فرد و در نیمکره راست با اعداد زوج نشان داده می‌شود.


شکل ۲-۱- محل قرار گرفتن الکترود ها در سیستم ۱۰- ۲۰
۲-۴- پیش پردازشها روی سیگنالهای مغزی
همانطور که می دانیم، سیگنال EEG ثبت شده از روی سر معمولا همراه با نویزهای مختلفی میباشند.که از آن جمله می توان به سیگنال پلک زدن و حرکات چشم EOG ،انقباض ماهیچهها EMG، سیگنال قلبی ECG و همچنین نویز برق شهر اشاره نمود.
این سیگنالها عموما در محدوده فرکانسی ۰ تا ۱۰۰ هرتز که بیشترین انرژی آن در محدوده ۰٫۵ تا ۶۰ هرتز است، میباشد. دامنه این سیگنالها نیز در محدوده ۲ تا ۱۰۰ میکرو ولت میباشد. لذا این سیگنالها هم از نظر فرکانس و هم از نظر دامنه با دیگر سیگنالهای حیاتی مانند ECG، EOG و … هم پوشانی دارند. در شکل(۲-۲) محدوده دامنه و فرکانس برخی از سیگنالهای حیاتی نشان داده شده است[۱۶]. همانطور که ملاحظه میشود سیگنال EEG با اکثر سیگنالهای دیگر هم پوشانی دارد.
علاوه بر نویز مربوط به دیگر سیگنالهای حیاتی ، نویزهای مربوط به برق شهر که فرکانس ۵۰ تا ۶۰

شکل ۲-۲- محدوده دامنه و فرکانس برخی از سیگنالهای حیاتی
هرتز دارد و همچنین نویز های مربوط به الکترودها نیز بر روی این سیگنالها تاثیر میگذارد.
وجود نویز در سیگنالهای EEG باعث میشود که پردازش بر روی این سیگنالها مشکل باشد و باعث ارزیابی و نتایج نادرست میشود. لازم است که تا حد امکان این نویزها از این سیگنالها حذف شود. برای نویز برق شهر سعی می شود که وسایل ثبت را تا حد امکان ایزوله نمایند و همچنین با استفاده از فیلترهای notch و فیلترهای نرم افزاری فرکانس ناشی از برق شهر را حذف کنند.
برای حذف نویز مربوط به سیگنالهای حیاتی و همچنین دیگر نویزها محققین روشهای زیادی را استفاده کردهاند. یکی از متداولترین روشهای پردازشی برای مقابله با اثرات نامطلوب نویز، حذف قسمتهایی ازEEG است که حاوی نویزی بزرگتر از یک آستانه تعیین شده هستند. البته این روش به منزله از دست دادن اطلاعات در آن بازه میباشد. گروه دیگر روشها بر پایه رگرسیون در حوزه زمان و یا فرکانس هستند.[۱۹] این روشها دارای دو ایراد عمده میباشند ، اول اینکه نیاز به وجود کانال مرجع برای نویز دارند و دوم اینکه بعلت خالص نبودن سیگنال ثبت شده توسط الکترودهای EOG مقداری از سیگنال EEG که توسط الکترودهای مزبور ثبت میشود نیز به اشتباه بعنوان نویز تلقی شده و از سیگنال کم میگردد.
در [۲۰] روشی برای حذف نویزهای مصنوعی چشمی با استفاده از آنالیز مولفههای اصلی ، PCA ، ارائه دادند. ابتدا مولفههای عمده بیانگر پلکها وحرکات افقی و عمودی چشم را درسیگنالهای کالیبره شناسایی کرده و با حذف این مولفه ها از داده EEG آنرا تصحیح نمودند . این مقاله با مقایسه روش رگرسیون و مدلهای دوقطبی مکانی –زمانی مزیت و برتری روش PCA را نشان داده است. همچنین در [۲۱] نشان داده شد که ممکن است برخی مولفهها ترکیب EEG و EOG بوده و با حذف آنها مقداری از اطلاعات EEG نیز از دست برود. اخیرا از روش آنالیز مولفههای مستقل برای تجزیه EEG به منابع مستقل تشکیل دهنده آن استفاده شده است. [۲۲] این روش در جداسازی و حذف منابع نویزی در سیگنالهای حیاتی و بخصوص EEG بسیار موفق بوده است. از سال ۲۰۰۲ تلفیق برخی از روشهای حذف نویز همراه با ICA مد نظر قرار گرفت و در [ ۲۳ ] از تلفیق روشICA وفیلتر زیر فضا جهت حذف نویزهای داخلی و نویزهای تجمیعی استفاده شده است. در سال ۲۰۰۴ Zhou و Goteman از ترکیب موجک و ICA برای حذف نویز ECG وEMG استفاده نمودند .[۲۴] آنها ابتدا داده را با روش موجک حذف نویز نموده و سپس ICA را بر روی آن اعمال نمودند. در سالهای اخیر روشهایی نرم افزاری جهت ساده کردن این فرآیند وقت گیر و حذف خودکار آرتیفکتها پیشنهاد گردیده است. در [ ۲۵] حذف تطبیقی و بروزEOG با استفاده از ICA مبتنی بر شبکه عصبی و استفاده از PCA غیر خطی انجام شده است[۲۶] . در سال ۲۰۰۷، Delorme و همکاران به حذف آرتیفکت با استفاده از ICA و آمارگانهای مرتبه بالاتر پرداختند[ ۲۷ ] آنها ابتدا به مقایسه۳ روش مختلف ICA و SoBI Infomax و Fast ICA روی داده شبیه سازی شده پرداختند و در ادامه به قسمتهایی از EEG که دارای آرتیفکت نبوده ، آرتیفکتهایی تا ۳۰ مرتبه کوچکتر از EEG اضافه کرده و کارآیی ۵ روش مختلف و معمول حذف آرتیفکت را مقایسه نمود ه اند.(آستانه استاندارد، شیبهای خطی، عدم احتمال داده، کورتوزیس والگوی طیفی) نتایج حاکی از آن است که تمامی روشها در صورتیکه روی مولفههای بدست آمده از ICA اعمال گردد، نسبت به اعمال روی خود داده EEG بسیار بهتر عمل میکنند. مگر در مورد آرتیفکت ماهیچه ای که تفاوت بارزی بین دو حالت مشاهده نشده است. در مرجع [۲۸] از تلفیق روش ICA و موجک استفاده نمودند، آنها ابتدا روش ICA را روی داده EEG پیاده نموده و سپس مولفههای تشخیص داده شده بعنوان نویز را با استفاده از موجک حذف نویز نمودند. آنها بیان نمودند که بعلت بیشتر بودن تعداد منابع از سنسورها ممکن است چند مولفه کوچک مغزی که استقلال کمتری نسبت به EOG دارند، در یک مولفه مستقل بدست آید و حذف کامل این مولفه منجر به از دست دادن مقداری از اطلاعات EEG گردد.

فصل سوم

مروری بر تحقیقات انجام شده در زمینه دسته بندی سیگنالهای مغزی

۳-۱- مقدمه
با کشف سیگنالهای EEG بسیاری از محققین در سراسر دنیا شروع به فعالیت در ا
ین زمینه کردند. مجموعه دادههای متفاوت و با کاربردهای متفاوتی ایجاد شد. اکثر این محققین در تلاش به رسیدن به طراحی سیستم واسط مغز و کامپیوتر(BCI) بودند. در شکل) ۱-۱ ( یک سیستم BCI نشان داده شده است. این سیستم از سه بخش اصلی پیش پردازش ، استخراج ویژگی و دستهبندی تشکیل شده است. محققین مشغول به تلاش برای بهبود در هر یک از سه بخش اصلی شدند. در این فصل ابتدا مجموعه دادههای استاندارد موجود را معرفی میکنیم. در بخشهای دیگر نیز به بررسی روشهای مختلف استخراج ویژگی ، کاهش ویژگی و روشهای مختلف دستهبندی میپردازیم . لازم به ذکر است که قسمت پیش پردازش و حذف نویز را در فصل پیش توضیح دادیم
۳-۲- معرفی دادههای موجود
۳-۲-۱- مشخصات دادههای ثبت شده توسط گروه دانشگاهColorado
اولین گروه از دادهها متعلق به گروه Aunon و Keirn دانشگاه Colorado است[۴]. این دادهها مطابق استاندارد ۲۰-۱۰ از کانالهای C3، C4، P3، P4، O1 و O2 همراه با یک کانال EOG ثبت شده است. هر سری از دادهها به مدت ۱۰ ثانیه و با نرخ نمونه برداری ۲۵۰ هرتز ثبت شده است. این دادهها مجموعه ماتریسی به ابعاد ۷*۲۵۰۰ را تشکیل میدهند. ثبت کانالهای EEG نسبت به کانالهای مرجع A1 و A2 ، که به استخوانهای پشت دو گوش متصل شده و از نظر الکتریکی به یکدیگر متصل بودند، انجام شده است. از فیلترهای آنالوگ Grass7P511 که فیلترهایی میان گذر با باند عبور بین ۱/۰ تا ۱۰۰ هرتز است، استفاده شده است. این دادهها از ۷ نفر ثبت شده است. نفر اول چپ دست با ۴۸ سال سن و نفر دوم راست دست با ۳۹ سال سن می باشد. این دو نفر از کارمندان دانشگاه بوده اند و نفر سوم تا هفتم همگی راست دست و از میان دانشجویانی با سنین بین ۲۰ تا ۳۰ سال بودهاند. همه افراد مرد بودهاند فقط نفر پنجم زن بوده است.
از هر شخص در یک جلسه ۵ بار و هر بار از ۵ فعالیت ذهنی سیگنال ثبت شده است. ۵ ثبت دیگر هم در روز دیگر انجام شده است، بجز افراد دوم و هفتم که تنها در یک جلسه ثبت سیگنال شرکت نمودهاند. از سوی دیگر نفر پنجم در یک جلسه سوم نیز شرکت نموده است. کلیه ثبتهای انجام شده، یکبار با چشمان باز و بار دیگر با چشمان بسته صورت گرفته است.Aunon و Keirn ، سعی در انتخاب فعالیتهای ذهنی نمودهاند، که نواحی نسبتا معینی از مغز را درگیر کنند و یا میزان فعالیت دو نیم کره مغزی در حین انجام آنها متفاوت باشد. این پنج فعالیت ذهنی عبارتند از: ۱- حالت استراحت۱۵ ۲- عمل ضرب ذهنی۱۶ ۳- دوران ذهنی یک شی هندسی۱۷ ۴- نامه نامه نگاری ذهنی۱۸ ۵- شمارش ذهنی همراه با تصویر چشمی۱۹٫
۳-۲-۲- مشخصات داد ههای ثبت شده توسط گروه Graz
یکی دیگر از مجموعه داده استاندارد که محققین بر روی آنها کار میکنند، توسط گروه دانشگاه Graz ثبت شده است[۷-۱۱]. این دادهها از سه نفر زن راست دست که سنشان بین ۲۰ تا ۲۷ سال است، ثبت شده است. در ابتدای هر آزمایش در لحظه صفر یک علامت (+) در وسط مانیتور و روبروی فرد ظاهر میگردد. دو ثانیه بعد صدای زنگ هشدار دهنده به صدا در میآید. یک ثانیه بعد علامت فلش که به سمت راست یا چپ مانیتور اشاره میکنند ظاهر میشود. این علامت به مدت ۱/۲۵ ثانیه بر روی مانیتور وجود دارد. از آن زمان به بعد شخص بر اساس جهت فلش ، مشغول به تصور حرکت یکی از دو دست راست و چپ میشود. از آن پس عمل نشان دادن فلش جهت دا

این فایل ها تست های آزمون آزمایشی کارشناسی ارشد انتشارات سنجش و دانش می باشد که با پاسخ های کاملا” تشریحی ارائه می شود. شما می توانید از منوی جستجو (بالای سایت سمت چپ ) تست های دروس دیگر را پیدا کرده و رایگان دانلود کنید