توضیحات
عنوان فارسی:الگوهای فضایی مشترک احتمالی برای تحلیل EEG چند کاناله
عنوان انگلیسی مقاله ترجمه شده:
Probabilistic Common Spatial Patterns for Multichannel EEG Analysis
الگوهای فضایی مشترک احتمالی برای تحلیل EEG چند کاناله
چکیده
الگوهای فضایی مشترک (CSP)[1]، یک الگوریتم فیلتر سازی فضایی شناخته شده برای تحلیل موج نگاری مغز (EEG)[2] است. در این مقاله، الگوریتم CSP را برای ایجاد مدل‌سازی احتمالی در نظر می‌گیریم. بطور خاص، CSP احتمالی (P-CSP) بعنوان یک چارچوب عمومی مدل‌سازی فضایی- زمانی EEG پیشنهاد شده است که زیر مجموعه CSP بوده و الگوریتم‌های CSP را تنظیم می‌کند. چارچوب پیشنهادی، ما را قادر می‌سازد تا مساله اور فیتینگ CSP را از یک روش اصولی حل کنیم. ما، الگوریتم‌های استنتاج آماری را استخراج کرده که می‌تواند مشکل بهینه محلی را کاهش دهد. در عمل، یک الگوریتم کارآمد بر اساس تجزیه ویژه، برای تخمین حداکثری پسین (MAP)[3] در مورد نویز ایزوتروپیک، توسعه می‌یابد. در موارد کلی‌تر، یک الگوریتم متغیر به منظور یادگیری بیزی اسپارس برای مدل P-CSP و تعیین خودکار ابعاد مدل، توسعه می‌یابد. دو الگوریتم پیشنهاد شده، بر اساس مجموعه داده‌های شبیه‌سازی شده، اعتبار سنجی شده‌اند. اثربخشی عملی آن‌ها نیز با کاربرد موفقیت آمیزشان در طبقه‌بندی تک مرحله‌ای سه مجموعه داده EEG تصور به حرکت و تحلیل الگوی فضایی- زمانی یک مجموعه داده EEG ثبت شده در آزمون رنگ شناسی استروپ، نشان داده شده است.
کلمات کلیدی: الگوهای فضایی مشترک، تبدیل Fukunaga-Koontz ، یادگیری بیزی اسپارس، بیز متغیر، موج نگاری مغزی، رابط مغز- کامپیوتر
1- مقدمه
موج نگاری مغز (EEG) ، یک روش تصویر برداری غیر تهاجمی است که بطور گسترده برای اندازه‌گیری فعالیت‌های الکتریکی مغز مورد استفاده قرار می‌گیرد. EEG چند کاناله، بطور همزمان فعالیت‌های مغزی هماهنگ را در چندین نقطه از پوست سر و با تفکیک‌پذیری زمانی در حد میلی ثانیه، اندازه‌گیری می‌کند که آن را برای مطالعات مهندسی عصبی و شناختی و کاربردهای بالینی، مناسب می‌سازد. با این حال، تحلیل EEG بعنوان یک چالش باقی مانده است چرا که EEG ساخته شده از تفکیک‌پذیری کم فضایی رنج می‌برد، بطوری که سیگنال ثبت شده در هر کانال خاص، ترکیبی از فعالیت‌های صورت گرفته از بیش از یک ناحیه مغزی است و غالبا مصنوعات مختلفی (نظیر مصنوعات قلبی، عضلانی و چشمی ) در آن دخیل هستند. در مورد این چالش‌ها، ابتدا باید نسبت سیگنال به نویز (SNR)[4] را افزایش داد و همپوشانی فعالیت‌ها را با فیلترسازی فضایی (که ترکیب خطی سیگنال‌های EEG در کانال‌های چندگانه است بطوری‌که منابع مورد نظر افزایش یافته و منابع ناخواسته فرو نشانده می‌شوند) ایزوله کرد.
در میان روش‌های مختلف فیلترسازی فضایی EEG، الگوریتم الگوهای فضایی مشترک (CSP) بعنوان یک روش موثر برای تحلیل سیگنال‌های EEG چندکاناله‌ی ثبت شده در دو وضعیت، مورد توجه قرار گرفته است. CSP ابتدا تحت عنوان تبدیل Fukunaga-Koontz، بعنوان یک روش یادگیری نظارت شده مطرح گردید که توسعه‌ای از تحلیل مولفه‌های اصلی (PCA)[5] برای استخراج ویژگی بود. از آن پس، این روش در محدوده وسیعی از کاربردها، رایج شد. به ویژه، CSP در استخراج ریتم حسی- حرکتی برای رابط‌های مغز- کامپیوتر (BCI)[6] موفقیت آمیز می‌باشد (که BCI گواه آن است).
توجه:
- برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
- لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.
به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.
سفارش ترجمه مقاله
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.