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