احسان ترکاش اصفهانی، وی. سوندراجان

چکیده

رابط‌های مغز و رایانه (BCIها) از پیشرفت‌های اخیر در فناوری‌های جایگزین برای تعامل کاربر هستند. هدف این مقاله، بررسی پتانسیل BCIها به‌عنوان رابط کاربری برای سیستم‌های CAD است. این مقاله آزمایش‌ها و الگوریتم‌هایی را توصیف می‌کند که از BCI برای تمایز بین اشکال هندسی ساده‌ای که توسط کاربر تصور می‌شود، استفاده می‌کنند. کاربران یک هدست الکتروانسفالوگرافی (EEG) به سر می‌گذارند و شکل یک مکعب، کره، استوانه، هرم یا یک مخروط را تصور می‌کنند. هدست EEG فعالیت‌های مغزی را از ۱۴ نقطه روی پوست سر جمع‌آوری می‌کند. داده‌ها با تحلیل مؤلفه‌های مستقل (ICA) و تبدیل هیلبرت-هوانگ (HHT) تجزیه و تحلیل می‌شوند. ویژگی‌های مورد نظر، طیف‌های حاشیه‌ای باندهای فرکانسی مختلف (باندهای تتا، آلفا، بتا و گاما) هستند که از طیف هیلبرت هر مؤلفه مستقل محاسبه می‌شوند. سپس از آزمون یو من-ویتنی برای رتبه‌بندی کانال‌های الکترود EEG بر اساس میزان ارتباط در پنج طبقه‌بندی جفتی استفاده می‌شود. ویژگی‌های به‌دست‌آمده از بالاترین رتبه‌های مؤلفه‌های مستقل، بردار ویژگی نهایی را تشکیل می‌دهند که سپس برای آموزش یک طبقه‌بند تشخیص خطی استفاده می‌شود. نتایج نشان می‌دهد که این طبقه‌بند می‌تواند بین پنج شیء هندسی پایه با میانگین دقت حدود ۴۴.۶٪ (در مقایسه با نرخ طبقه‌بندی تصادفی ۲۰٪) در ده شرکت‌کننده تمایز قائل شود (دامنه دقت بین ۳۶٪ تا ۵۴٪). زمانی که از هر دو نشانه بصری و کلامی استفاده می‌شود، دقت طبقه‌بندی به ۳۹.۹٪ تغییر می‌کند. تکرارپذیری استخراج ویژگی و طبقه‌بندی با انجام آزمایش در ۱۰ روز مختلف با همان شرکت‌کنندگان بررسی شد. این موضوع نشان می‌دهد که BCI در ایجاد اشکال هندسی در سیستم‌های CAD نویدبخش است و می‌تواند به‌عنوان ابزاری نوین برای تعامل کاربر مورد استفاده قرار گیرد.برای دریافت گزارش کامل اینجا کلیک کنید.