دسته‏ بندی سیگنال‏ طیف‏ سنجی مادون قرمز نزدیک عملکردی (fNIRS) با استفاده از شبکه عصبی کانوولوشنی و کانوولوشنی بازگشتی

دسته‏ بندی سیگنال‏ طیف‏ سنجی مادون قرمز نزدیک عملکردی (fNIRS) با استفاده از شبکه عصبی کانوولوشنی و کانوولوشنی بازگشتی

وحید شرقیان دیزجی1 اصلان قاری حقیقت2

1) کاندید دکتری مهندسی پزشکی-بیوالکتریک، دانشگاه تبریز
2) دانش‏ آموخته کارشناسی مهندسی پزشکی-بیوالکتریک، دانشگاه تبریز

کد IOI مقاله : AAHD-ACZEAC
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    بررسی عملکر مغز از جمله مهم ‏ترین موضوعات مورد توجه در بین محققان حوزه‏ های مختلف و در تمام دوره‏ ها می‏باشد. یکی از روش‏های بررسی عملکری مغز، بهره‏ گیری از اطلاعات نهفته در سیگنال‏ های زیستی با منشا مغز، از جمله سیگنال الکتروانسفالوگرام (EEG) و سیگنال‏ طیف‏ سنجی مادون قرمز نزدیک عملکردی (fNIRS) است. در دو دهه اخیر سیگنال fNIRS به دلیل مزیت‏ های قابل توجه و بیان زوایای جدیدی از عملکرد مغز، بیشتر مورد توجه پژوهشکران حوزه علوم و مهندسی اعصاب قرار گرفته است. در پژوهش حاضر داده‏ های مربوط به سیگنال‏ fNIRS ثبت شده در دو حالت استراحت مغز و انجام عملیات ریاضی با استفاده از شبکه‏ های عصبی عمیق دسته‎ بندی شده است. دو روش پیشنهاد شده است که روش اول بر اساس معماری شبکه fNIRSNet توسعه داده شده و روش دوم بر اساس معماری شبکه RCNN ارائه شده است که روش اول و دوم به ترتیب صحت دسته‏ بندی 71/49 و 63/79 را به دست داده‏ اند. نتایج روش پیشنهادی مبتنی‏ بر fNIRSNet در مقایسه با روش‏ های موجود دارای برتری بوده ولی عملکرد روش مبتنی‏ بر RCNN برای رقابت با سایر الگوریتم ‏های موجود نیاز به بهبود و تصحیح دارد.

کلمات کلیدی : طیف‏سنجی مادون قرمز نزدیک عملکردی شبکه عصبی کانوولوشی دسته‏بندی fnirs cnn fnirsnet