بهبود تشخیص مؤلفه های شناختی در سیگنال ERP تک ثبت با استفاده از فضای ویژگی جدید و الگوریتم ژنتیک
محل انتشار: دوازدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,206
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME12_027
تاریخ نمایه سازی: 25 آبان 1391
چکیده مقاله:
یکی از مهمترین مؤلفه های سیگنالهای مرتبط با فعالیتهای شناختی مغز، مؤلفه P300 است. در این تحقیق به آشکار سازی مؤلفه P300 با استفاده از شبکه عصبی چندلایه و الگوریتم ژنتیک پرداخته شده است. برای استخراج ویژگی های مرتبط با فعالیت شناختی مغز، ویژگی هایی بر اساس مشخصات زمانی از سیگنالهای تک ثبت ERP استخراج شده است. همچنین برای انتخاب ویژگی های بهینه از الگوریتم ژنتیک بهره برده شده است. در این روش با استفاده از 7 ویژگی بهینه به دست آمده در کانال Pz، با دقت 78% در دادگان آموزش و 71% در دادگان آزمون، تک ثبت های حاوی موج P300 از تک ثبت های فاقد این موج تفکیک شده است، که نسبت به تحققات قبلی بهبود داشته است.
نویسندگان
مجید قشونی
دانشجوی کارشناسی ارشد مهندسی پزشکی- دانشگاه آزاد اسلامی واحد مشهد
محمدعلی خلیل زاده
استادیار گروه مهندسی پزشکی- دانشگاه آزاد اسلامی واحد مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :