ارتباط مغز-رایانه دوبعدی مبتنی بر توجه انتخابی دیداری به کمک سیگنال های MEG

شناخت حالت های مغزی انسان خصوصا پدیده «توجه» به عنوان یکی از بارزترین فعالیت های شناختی مغز، در بسیاری از بیماری ها مانند نقص توجه - پر تحرکی، درخودماندگی، نقص عصب، نقص عضو و هم چنین در بسیاری از زمینه ها نظیر تصمیم گیری، درمان اعتیاد، یادگیری، دروغ سنجی، ارتباط مغز- رایانه، رانندگی، نگاهبانی اماکن حفاظتی، سوزنبانی قطار و خلبانی کاربرد دارد. هدف اصلی این مقاله، ارائه روشی کارا برای ارتباط مغز-رایانه (BCI) دوبعدی مبتنی بر «توجه انتخابی دیداری» با استفاده از سیگنال های MEG است. توجه انتخابی، یک فرآیند شناختی است که در آن شخص تمرکز خود را به طور انتخابی روی یک وجه قرار داده و وجوه دیگر و نیز برخی عوامل منحرف کننده را نادیده می گیرد. در این مقاله، به علت خواص خوب سیگنال مغزی MEG، از آن به عنوان سیگنال کنترلی در BCI استفاده می شود. پس از پیش پردازش داده، ویژگی هایی نظیر ضرایب موجک دابشیز و آنتروپی تقریبی از سیگنال MEG استخراج می شوند. معمولا تمام ویژگی های استخراجی برای دسته بندی مفید نیستند، بنابراین از الگوریتم تحلیل مولفه های اصلی (PCA)، برای انتخاب مناسب ترین دسته ویژگی ها استفاده می شود. ویژگی های بهینه استخراج شده، به یک ماشین بردار پشتیبان با هسته های چندجمله ای، تابع پایه شعاعی و هم چنین ماشین بردار پشتیبان موجک (WSVM) با هسته های مورلت و کلاه مکزیکی برای طبقه بندی داده می شوند. درنهایت این مقاله می تواند محل حضور محرک را با درصد صحت متوسط 26/ 92% به کمک دسته بندی کننده با هسته مورلت از روی سیگنال MEG تشخیص دهد. از مطالعه نواحی مختلف مغزی مشاهده می شود، بیش ترین درصد صحت، مربوط به نواحی پیشانی و گیجگاهی است. از نتایج تحقیق می توان برای شناسایی بهتر نواحی مختلف مغز در حالت توجه انتخابی دیداری استفاده کرد. نتایج شبیه-سازی بیانگر موثر بودن این روش در کاربردهای BCI با صحت 26/ 92% است.