دوره 20، شماره 3 - ( 10-1402 )                   جلد 20 شماره 3 صفحات 72-61 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kamandra M, Rashedi E, sanatijavan A. Channel Selection in EEG Signals Using Mutual Information for Motor Imagery Classification. JSDP 2023; 20 (3) : 5
URL: http://jsdp.rcisp.ac.ir/article-1-1282-fa.html
کماندار مهدی، راشدی عصمت، صننعتی آیین. انتخاب کانال برای سیگنال های EEG با استفاده از اطلاعات متقابل جهت دسته بندی تصور حرکات مختلف. پردازش علائم و داده‌ها. 1402; 20 (3) :61-72

URL: http://jsdp.rcisp.ac.ir/article-1-1282-fa.html


دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
چکیده:   (298 مشاهده)
سیستم­های واسط مغز و رایانه مبتنی بر دسته­بندی تصور فعالیت‌های حرکتی با استفاده از سیگنال‌های چند کاناله EEG، نقش عمده‌ای در کنترل اندام‌های مصنوعی و ماشین­ها توسط افراد معلول دارند. مشکل اساسی این سیستم­ها بیش­برازش دسته­بند به­دلیل تعداد زیاد کانال­ها و نمونه­های آموزشی کم و نویزی می‌باشد. در این مقاله روشی برای انتخاب کانال­های بهینه، مبتنی بر بیشینه­سازی اطلاعات متقابل کانال‌های منتخب و تصور حرکت مدنظر ارائه شده است. توان زیرباندهایی با پهنای2 هرتز در باند 8 تا 30 هرتز و در فواصل 250 میلی­ثانیه­ای در بازه نیم تا دو و نیم ثانیه پس از شروع تصور حرکت به عنوان ویژگی برای هر کانال استخراج شده است. بعد ویژگی­های استخراج ­شده با ترکیب روش­های L1-PCA  و NWFE به 10 کاهش یافته است. صحت کل دسته‌بند SVM برای نمونه­های آزمایش دو شخص aa و al از داده­های مسابقات BCI III  87/94 و 51/96 درصد است در حالی‌که تعداد کانال‌ها از 118 به 7 کاهش یافته است.
شماره‌ی مقاله: 5
متن کامل [PDF 1201 kb]   (96 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: 1400/8/10 | پذیرش: 1402/4/17 | انتشار: 1402/10/24 | انتشار الکترونیک: 1402/10/24

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.