بررسی روش های پردازش سیگنال الکتروانسفالوگرام (EEG): از پیش پردازش تا یادگیری عمیق
بررسی روش های پردازش سیگنال الکتروانسفالوگرام (EEG): از پیش پردازش تا یادگیری عمیق
جاوید اسکندری فرد1 افسانه نجفی2
1) سازمان غذا و دارو، تهران، ایران،
2) دانشگاه علوم پزشکی آزاد اسلامی، تهران،
کد IOI مقاله
:
ACCD-ACAABA
محل انتشار :
دهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com)
چکیده :
الکتروانسفالوگرام (EEG) روشی غیرتهاجمی برای ثبت فعالیت الکتریکی مغز است و تفکیکپذیری زمانی بالایی دارد. با وجود این مزیت، دامنه کم سیگنال و تغییرپذیری آن در طول زمان تحلیل را دشوار میکند. پلکزدن، فعالیت عضلانی، حرکت الکترود و تداخل برق شهر نیز میتوانند اطلاعات عصبی را مخدوش کنند. این مقاله مراحل اصلی پردازش EEG را از کنترل کیفیت و پیش پردازش تا حذف آرتیفکت(نویز ناخواسته در سیگنال ثبت شده)، تحلیل زمان- فرکانس، استخراج ویژگی و ارزیابی مدلها بررسی می کند. روش های کلاسیک سیگنال در کنار الگوریتم های یادگیری ماشین و یادگیری عمیق، شبکه های عصبی گرافی و رویکردهای خودنظارتی تحلیل می شوند. شواهد نشان میدهد که هیچ روش واحدی برای همه کاربردها و مجموعه داده ها مناسب نیست. انتخاب مراحل پردازش باید با هدف فیزیولوژیک، آرایش کانالها، نوع نویز و شرایط اجرای سامانه هماهنگ باشد. از سوی دیگر، تقسیم تصادفی پنجره های همپوشان میان آموزش و آزمون ممکن است به نشت داده و برآورد غیرواقعی عملکرد بینجامد. اعتبارسنجی در سطح فرد یا جلسه و بررسی حفظ مؤلفه های عصبی، برای ارزیابی قابل اعتماد ضروری است. بر همین اساس، در پایان چارچوبی عملی برای طراحی و گزارش فرایند پردازش EEG ارائه می شود.
کلمات کلیدی : الکتروانسفالوگرام پردازش سیگنال حذف آرتیفکت تحلیل زمان فرکانس یادگیری عمیق رابط مغز و رایانه