دوره 14، شماره 2 - ( 6-1396 )                   جلد 14 شماره 2 صفحات 131-140 | برگشت به فهرست نسخه ها


XML English Abstract Print


استادیار دانشگاه شاهد
چکیده:   (1094 مشاهده)

سامانه‌های رابط مغز و رایانه P300 Speller به‌عنوان عضوی از خانواده سامانه‌های رابط مغز و رایانه سعی دارد تا توانایی تایپ حروف و برقراری ارتباط با این شیوه را برای بیماران و معلولان فراهم آورد. یکی از موارد بسیار مهم در این سامانه‌ها، قابلیت شخصی‌سازی است. با توجه به آنکه بیش‌تر پژوهش‌های این حوزه بر اساس نمایش حروف انگلیسی انجام شده، در این پژوهش سعی شده است تا برای نخستین‌بار عملکرد یک سامانه ارتباط مغز و رایانه P300 Speller به‌ازای نمایش حروف زبان فارسی مورد سنجش قرار گیرد. در این پژوهش پس از ثبت داده از داوطلبان و سنجش عملکرد سامانه مورد بررسی، صحت تشخیص 21/88% و نرخ انتقال اطلاعات 74/6 بیت در دقیقه به‌ازای پانزده تکرار با  ترکیب روش کاهش بعد LDA و طبقه بند بیز به‌دست آمد. همچنین در این پژوهش اثر تغییر تعداد تکرار و کاهش زمان آزمایش نیز مورد بررسی قرار گرفت و نشان داده شد که به‌ازای کمینه تعداد تکرار، می‌توان به صحت تشخیص 06/80% و نرخ انتقال اطلاعات 43/42 بیت بر دقیقه دست یافت.
 

متن کامل [PDF 4002 kb]   (524 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: ۱۳۹۴/۸/۵ | پذیرش: ۱۳۹۵/۱۲/۱۵ | انتشار: ۱۳۹۶/۷/۲۹ | انتشار الکترونیک: ۱۳۹۶/۷/۲۹

فهرست منابع
1. [1] سیدصالحی سیده زهره، نصرآبادی علی مطیع، ابوطالبی وحید، "به‌کارگیری تحلیل زمان‌- فرکانس و ماشین‌ همیار در تشخیص خودکار مؤلّفه P300 جهت ارتباط مغز با رایانه"، پردازش علائم و داده‌ها، شماره 2 (پیاپی 10) ، صفحات 70-57، 1387.
2. [1] Z. Seyyedsalehi, AM. Nasrabadi, and V. Abootalebi. " Quadratic B-Spline Wavelet and Committee Machine for the P300 Detection in Brain Computer Interface.", Signal and Data Processing., vol. 2, no. 10, pp. 57-70, 2009.
3. [2] B. Allison, J. Pineda, "Effects of SOA and flash pattern manipulations on ERPs performance and preference: Implications for a BCI system", Int. J. Psychophysiol., vol. 59, no. 2, pp. 127-140, Feb. 2006. [DOI:10.1016/j.ijpsycho.2005.02.007] [PMID]
4. [3] C.M. Bishop, Pattern Recognition and Machine Learning., Aug. 2006.
5. [4] M. Chang, T.M. Rutkowski, "Two-Step Input Spatial Auditory BCI for Japanese Kana Characters.", Advances in Cognitive Neurodynamics (V), pp. 383-389, 2016.
6. [5] D. J. Krusienski, E. W. Sellers, F. Cabestaing, S. Bayoudh, D. J. McFarland, T. M. Vaughan, J. R. Wolpaw, "A comparison of classification techniques for the P300 Speller", J. Neural Eng., vol. 3, pp. 299-305, Dec. 2006. [DOI:10.1088/1741-2560/3/4/007] [PMID]
7. [6] J. Jin, E. W. Sellers, X. Wang, "Targeting an Efficient Target-to-Target Interval for P300 Speller Brain-Computer Interfaces", Medical & Biological Engineering & Computing, vol. 50, no. 3, pp. 289-296, Feb. 2012. [DOI:10.1007/s11517-012-0868-x] [PMID] [PMCID]
8. [7] F. Lotte, M. Congedo, A. Lécuyer, F. Lamarche, B. Arnaldi, "A Review of Classification Algorithms for EEG-Based Brain-Computer Interfaces", J. Neural Eng., vol. 4, pp. R1-R13, 2007. [DOI:10.1088/1741-2560/4/2/R01] [PMID]
9. [8] J. Jin, B. Allison, C. Brunner, B. Wang, X. Wang, J. Zhang, C. Neuper, G. Pfurtscheller, "P300 Chinese input system based on Bayesian LDA", Biomed. Tech., vol. 55, no. 1, pp. 5-18, 2010. [DOI:10.1515/bmt.2010.003] [PMID]
10. [9] D. J. McFarland, W. A. Sarnacki, G. Townsend, T. Vaughan, J. R. Wolpaw, "The P300-based brain–computer interface (BCI): Effects of stimulus rate", Clin. Neurophysiol., vol. 122, pp. 731-737, 2011. [DOI:10.1016/j.clinph.2010.10.029] [PMID] [PMCID]
11. [10] J. W. Minett, H.-Y. Zheng, M. C.-M. Fong, L. Zhou, G. Peng, and W. S.-Y. Wang, "A Chinese Text Input Brain-Computer Interface Based on the P300 Speller," International Journal of Human-Computer Interaction, vol. 28, pp. 472-483, 2012. [DOI:10.1080/10447318.2011.622970]
12. [11] R. Ortner, R. Prueckl, V. Putz, J. Scharinger, M. Bruckner, A. Schnuerer, and C. Guger, "Accuracy of a P300 Speller for Different Conditions: A Comparison," Proc. of the 5th Int. Brain-Computer Interface Conference, 2011, Graz, Austria, p. 196.
13. [12] A. E. Selim, M. A. Wahed and Y. M. Kadah., "MacHine learning methodologies in P300 speller Brain-Computer Interface systems, " in Radio Science Conference, pp. 1-9, 2009.
14. [13] E.W. Sellers, "A P300 Event-Related Potential Brain-Computer Interface (BCI): The Effects of Matrix Size and Inter Stimulus Interval on Performance", Biological Psychology, vol. 73, no. 3, pp. 242-252, 2006. [DOI:10.1016/j.biopsycho.2006.04.007] [PMID]
15. [14] A. Rakotomamonjy, V. Guigue, "BCI competition III: Dataset II-ensemble of SVMs for BCI P300 speller", IEEE Trans. Biomed. Eng., vol. 55, no. 3, pp. 1147-1154, Mar. 2008. [DOI:10.1109/TBME.2008.915728] [PMID]
16. [15] D. E. Thompson, S. Blain-Moraes, J. E. Huggins, "Performance assessment in brain-computer interface-based augmentative and alternative communication", Biomed. Eng. Online, vol. 12, pp. 43, Jan. 2013. [DOI:10.1186/1475-925X-12-43] [PMID] [PMCID]