تحلیل اثر pca برای سیستم های رابط مغز- انسان در تصور حرکت براساس سیگنال الکتروانسفالوگرافی

هدف ما بررسی تفکیک پذیری سیگنالهای مغزی در حین انجام فعالیتهای مختلف ذهنی بوده است. در طول پایان نامه روشهای زیادی را جهت نیل به این هدف مورد بررسی قرار دادیم و نتایج آنرا طی جداول متعددی جمع آوری نموده، مورد تحلیل قرار دادیم. اگر هدف خود را محدود به تفکیک یک دسته خاص از داده ها بدانیم، ممکن است به این نتیجه برسیم که نتایج بدست آمده برای یک مسأله دسته بندی، آن هم بصورت off-lineموفقیت آمیز بوده است. اما سوالی که اکنون مطرح می شود این است که جایگاه این نتایج در حرکت به سمت ساخت یک سیستم واقعی bciکجاست و کدامیک از این روشها برای ساخت یک سیستم عملی قابل استفاده اند؟ واقعیت آنست که در یک سیستم کامل bci واحد دسته بندی اگر چه یک جزء کلیدی محسوب می شود اما اجزای متعدد دیگری وجود دارند که می توانند بر روی آن تأثیر گذاشته، نقش کلیدی آنرا کمرنگتر کنند. در این مجال بد نیست که برخی از خصوصیات یک سیستم ایده آل bciرا عنوان نمائیم. در اینجا مناسب است که مجدداً تعریف bciرا از فصل اول یادآوری نمائیم)... bciسیستمی است برای ارتباط مستقیم مغز با دنیای خارج، که به کانالهای خروجی متعارف عصبی و عضلانی مغز وابسته نیست). بنا به این تعریف تنها از سیگنالهای مغزی می توان جهت ساخت یک سیتم bciبهره جست و با توجه به امکانات فعلی کمترین و کم هزینه ترین روش ثبت این سیگنالها eeg می باشد. از سوی دیگر چون bciمستقیماً با افراد در تماس است باید از روشهای غیر تهاجمی ثبت eegاستفاده کرد و روشهای تهاجمی ثبت این سیگنالها، اگر چه ما را به منابع تولید eegنزدیکتر می کند اما برای ساخت یک سیستم عملی قابل استفاده نیستند. همچنین برای افزایش میزان مقبولیت این سیستمها باید عمل ثبت با حداقل تعداد الکترود و در راحت ترین شرایط ممکن ثبت شود. بُعد دیگر یک سیستم bci در نوع فعالیتهای ذهنی استفاده شده است. انتخاب این فعالیتها باید بگونه ای باشد که در انواع شرایط مختلف و برای افراد مختلف قابل انجام باشد و تکرار آن برای آنها ملال آور و خسته کننده نباشد. بعنوان مثال ممکن است فعالیتهایی همچون ضرب ذهنی با دقت بالایی قابل تفکیک و شناسایی باشند اما مسلماً برای افراد مختلف قابل استفاده نیستند و تکرار آنها موجب خستگی می شود. از سوی دیگر فعالیتهای ذهنی انتخاب شده باید با نوع خروجی سیستم که ممکن است حرکت یک ویلچر و یا حرکت یک نشانگر بر روی مانیتور باشد، سنخیت داشته باشد. بعنوان مثال نمی توان از اعمال ضرب ذهنی و یا نامه نگاری ذهنی برای کنترل یک ویلچر استفاده نمود. در حقیقیت این انتقاد به امثال کارهای انجام شده در این پایان نامه هم وارد است که فعالیتهای ذهنی تفکیک شده، اگرچه با دقت بسیار خوبی انجام شده اند، اما برای استفاده در یک سیستم واقعی bciبا کاربردهای عادی و روزمره قابل استفاده نیستند. موضوع دیگری که به نوع فعالیت ذهنی استفاده شده وابسته است تعداد و محل قرار دادن الکترود ها بر روی مغز است. برای تشخیص تعداد و محلهای مناسب قرار دادن الکترود مسلماً به تجارب متخصصین علوم اعصاب نیاز می باشد یک سیستم ایده آل bciباید قابلیت تطبیق با افراد مختلف و شرایط مختلف را داشته باشد، چرا که رفتار سیگنالهای مغزی از فردی به فرد دیگر و حتی برای یک فرد از ساعتی تا ساعت دیگر می تواند متفاوت باشد. از این رو باید بتوان آنرا مرتباً کالیبره کرد. بعنوان مثال ممکن است در ابتدای استفاده از آن فرد مورد آزمایش تعدادی از فعالیتهای ذهنی را برای کالیبره کردن دستگاه انجام دهد. در برخی مراجع نشان داده شده است که در مورد برخی فعالیتهای ذهنی افراد پس مدتی آموزش یاد می گیرد که برخی از سیگنالهای مغزی خود را بطور مطلوبی کنترل کنند, نکته دیگری که باید در طراحی سیستم های bci لحاظ شود، قابلیت استفاده آن در شرایط و محیطهای روزمره با انواع نویزهای محیطی و artifact های ایجاد شده توسط خود شخص است. بعنوان مثال مسأله پلک زدن امری اجتناب ناپذیر است و نمی توان از کاربر خواست تا پلک نزند و یا چشمان خود را ببندد. از این رو رعایت نکات عملی در حین ثبت سیگنال و انتقال آن به محل پردازش از یک سو و استفاده از الگوریتمهای مناسب جهت حذف نویز بسیار حائز اهمیت است.در این پایان نامه تحلیل اثرناهمبسته ساز pca مورد بررسی قرار گرفته برای آزمایشات ما دراستخراج گر ویژگی bp که همواره با افزایش صحت تست همراه است . در نتیجه میتوان گفت که اثر pca در این بلوک دیگرام علاوه بر کاهش محاسبات صحت دسته بندی داده های تست را نیز افزایش داده است. علاوه بر این نتیجه میگیریم که ترکیبcsp و bpبرای استخراج ویژگی و بعد از آن استفاده از الگوریتم pca و استفاده از دسته بند rda بهترین نتیجه را در صحت داده های تست دارد.