ارزیابی مدل های غیرخطی مبتنی بر توابع کرنل برای رمزگشایی نیرو با استفاده از سیگنال-های پتانسیل میدانی محلی
کنترل پروتز عصبی به منظور بازیابی عملکرد دست افراد مبتلا به فلج در اندام های فوقانی، یکی از کاربردهای مهم سیستم های BCI می باشد. توانایی گرفتن اجسام، از ابتدایی ترین نیازها برای انجام کارهای روزانه است و برای عملکرد صحیح پروتز عصبی بدین منظور، لازم است کاربر بتواند مقدار نیروی لازم برای گرفتن اجسام را کنترل کند. به همین دلیل افزایش دقت رمزگشایی پیوسته نیرو، موضوعی مهم برای عملکرد صحیح این نوع سیستم های BCI می باشد. در اغلب پژوهش های صورت گرفته در زمینه رمزگشایی نیرو، از مدل های خطی مانند فیلتر وینر، فیلتر کالمن و PLS استفاده شده و تاکنون تاثیر استفاده از مدل های غیرخطی بر دقت رمزگشایی نیرو مورد بررسی قرار نگرفته است. هدف این پژوهش، بررسی تاثیر استفاده از مدل های رگرسیون غیرخطی مبتنی بر توابع کرنل بر دقت رمزگشایی نیروی دست موش صحرایی با استفاده از سیگنال های پتانسیل میدانی محلی می باشد. بدین منظور، روش های رگرسیون ستیغی، PCR و PLS را در نظر گرفته و با استفاده از تابع کرنل گوسی، تعمیم یافته غیرخطی آنها را برای تخمین پیوسته نیرو به کار گرفته ایم. ارزیابی و مقایسه روش های رگرسیون ستیغی کرنلی، PCR کرنلی و PLS کرنلی نشان می دهد که در نظر گرفتن ارتباطات غیرخطی بین ویژگی های سیگنال مغزی، دقت رمزگشایی نیرو را نسبت به مدل های خطی بهبود می بخشد. درصد بهبود میانگین ضریب R2، 12.7% برای روش رگرسیون ستیغی کرنلی نسبت به روش ستیغی، 25.5% برای روش PCR کرنلی نسبت به PCR و 19.1% برای روش PLS کرنلی نسبت به PLS بوده است. بهترین دقت رمزگشایی نیرو نیز به ازای روش رگرسیون ستیغی کرنلی و با میانگین ضریب همبستگی 72% و مقدار R2 برابر 0.62 بدست آمده است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.