هدف از این پایان نامه پردازش سیگنالهای مغزی و کاربرد آن در راه اندازی یک سیستم رابط مغز و رایانه است. سیگنالهای مغزی مورد استفاده مربوط به پایگاه داده فیزیونت، مسابقه 2003 bci و آزمایش تجربی می باشد. برای دریافت سیگنال به صورت تجربی از کارت ورودی و خروجی و الکترودهای غیرتهاجمی استفاده شده و سیگنالهای مغزی مربوط به سه حالت مختلف ثبت گردید. برای ذخیره و نمایش سیگنالها در این مجموعه، نیاز به کدنویسی و تغییر فرمت داده از محیط سی پلاس پلاس به نرم افزار matlab است. چون هدف، استفاده از سیگنالهای مغزی حرکتی است از بین کانالهای مختلف، کانالهای c3 و c4 به عنوان کانال مناسب برگزیده شد. در مرحله بعدی برای آنالیز دادههای مغزی مولفه های مهم سیگنالهای مغزی انتخاب واستخراج گردید. ویژگیهای مورد استفاده در این پایاننامه اتورگرسیو مرتبه 5-21، ضرایب ویولت و متوسط چگالی طیف توان است. در ادامه روند پیادهسازی سیستم رابط مغز و رایانه، از یک شبکه جدید برای پردازش و طبقهبندی سیگنال استفاده شد. قابل به ذکر است که در این پایان نامه برای کاهش حجم داده و محاسبات فقط از سیگنالهای مغزی استفاده شده است. شبکه عصبی ویولت سیگنالها را به دو دسته تصور حرکت دست راست و چپ طبقه بندی می کند. برای مشخص سازی وزنهای شبکه و پارامترهای تابع ویولت ازالگوریتم های بهینه سازی سیستم ایمنی مصنوعی و ازدحام ذرات استفاده شد. خروجی دو روش بیان شده و جعبه ابزار شبکه عصبی با هم مقایسه گردید.میانگین درصد دقت برای طبقه بندی با بهینهسازی ازدحام ذرات 76 درصد و برای بهینه سازی با سیستم ایمنی مصنوعی 65 درصد است. بهترین درصد دقت درالگوریتم با بهینه سازی ازدحام ذرات مربوط به ویژگی اتورگرسیو مرتبه 5 ضریب سطح دوم ویولت در داده فیزیونت است که دقت آن 89 % است. نتایج نشان داد که عملکرد و دقت الگوریتم شبکه عصبی با بهینه سازی ازدحام ذرات نسبت به بهینه سازی با سیستم ایمنی مصنوعی بهتر است و علاوه بر این، جواب هر دو روش نسبت به جعبه ابزار شبکه عصبی دقت بهتری دارد. در همه موارد گفته شده درصد دقت برای دادههای فیزیونت نسبت به دادههای مسابقه مغز و رایانه بهتر بوده است. نتایج طبقه بندی کننده برای کنترل رباتهای پوما و k-junior مورد استفاده قرار گرفت. در ربات پوما مطابق با دست حرکت داده شده، لینک ربات به سمت چپ یا راست می چرخد. در ربات k-junior موتورهای ربات مطابق با خروجی طبقه بندی شروع به حرکت یا توقف می کند و در نتیجه ربات مسیری را پیمایش می کند که بر اساس خروجی طبقه بندی کننده تعیین می گردد.

در پایان نامه حاضر با توجه به ناکارآمد بودن روش های تجربی برای به دست آوردن متغیرهای همودینامیکی شبیه سازی جریان خون در شریان مغزی میانی و شاخه های آن بررسی می شود. برای هندسه ی شریان سه گام طی شده است. ابتدا با سی تی آنژیوگرافی از عروق مغزی داوطلب مرد 74 ساله تصویربرداری شد، نرم افزار mimics10.01 در پردازش تصاویر آنژیوگرام و ایجاد مدل سه بعدی شریان های مغزی به کار رفت سپس در محیط نرم افزار catia v5r21 سطوح ساختار شریانی، منطبق بر خروجی سه بعدی فرآیند پردازش تصاویر آماده شده اند. قابل ذکر است که با این روش هیچ گونه ساده سازی اعم از فرض مقاطع دایره ای برای کل سطوح انجام نگرفته و هندسه ساخته شده کاملاً منطبق بر تصویر سه بعدی رگ است. همچنین موقعیت مقاطع ثبت سرعت میانگین خون در آزمایش داپلر تراجمجمه ای مشخص گردیده است. ایجاد شبکه و تحلیل جریان با نرم افزار comsol multiphysics4.3a بر اساس روش المان محدود انجام شده است. معادلات مربوط به روش گالرکین گسسته سازی شده و به روش نیوتون مستهلک شده حل شده و سپس به تحلیل و بررسی نتایج پرداخته شده است.