بسته جامع واسط مغز و رایانه ECI

این بسته پژوهشی مجموعه کاملی از آخرین پژوهش های انجام شده در زمینه واسط مغز و رایانه ECI است. در تدوین این بسته از جدیدترین مقالات و پایان نامه های موجود در این زمینه استفاده شده است. مخاطبان این بسته دانشجویان تحصیلات تکمیلی و پژوهش گرانی هستند که قصد فعالیت در این زمینه دارند.

  • در فصل اول این پژوهش مروری بر ارتباط مغز با رایانه بررسی شده است
  • در فصل دوم این پژوهش طراحی یک واسط ارتباطی بین انسان و رایانه بررسی شده است
  • در فصل سوم این پژوهش طبقه بندی سیگنال مغز با استفاده از EEG بررسی شده است
  • در فصل چهارم این پژوهش بررسی طبقه بندی سیگنالهای مغزی در سیستم رابط مغز-رایانه بررسی شده است

استفاده از سيگنال EEG براي ارتباط دهي بين مغز و كـامپيوتر در سـالهاي اخيـر پيشـرفت هاي زيـادي داشـته اسـت. روش هاي متنوعي براي ايجاد اين ارتباط بين بيماران نقص عضـو، نقـص عصـب و كامپيوترهـا معرفـي گرديـده اسـت. سيگنال هاي متداول كه در عمل پردازش در ارتباط دهي بين مغز و كامپيوتر بكار مي روند، سـيگنالهاي، ERS/ERD ريتم mu و پتانسيل هاي برانگيخته ERP مي باشند. از بين سيگنال هاي فوق ايجاد ارتباط بين مغـز و كـامپيوتر از طريـق پردازش بر روي پتانسيل هاي برانگيخته در اين تحقيق به انجام رسيده است. روش به صورت اعمال تحريكـات بينـايي از طريق يك فلش چهار جهته، و ثبت و پردازش سيگنال EEG از كانالهاي Pz,Cz,Fz به همـراه كانالهـاي EOG بـه جهت حذف آرتيفكتها، بصورت همزمان مي باشد. در اين حالت انتخاب شخص باعث رخداد مؤلفه اي از ERP به نـام P300 گرديده كه توسط روش پردازشي معرفي شده در اين پروژه تشخيص داده مي شود و در پي آن حركت اين فلش چهار جهته به سمت مورد انتخاب را خواهيم داشت. دقت كلي پس از تلفيق روشها در سوژه اول (٢٦سـال سـن و بـا اطلاع از نحوه پردازشها) برابر %٧٨ در تشخيص هدف و %٨٥ در تشخيص غير هدف و در سوژه دوم ( ٢٥سال سـن و بدون اطلاع از نحوه پردازشها) برابر %٧٦ در تشخيص هدف و %٨٣ در تشخيص غير هدف بدست آمد.

قسمت هایی از فصل اول مروری بر ارتباط مغز با رایانه

نويزهاي ناشي از حركت چشم و حركت اعضـاء بيشـترين اثر را در خروجي خواهند داشـت . آزمايشـهايي كـه نـويزي بودهاند حذف گرديده و روش پردازشي خاصي براي از بـين بردن اين نويزها استفاده نشده است . در واقع تكرار آزمايش زياد مطلوب نمي باشد زيرا از حالت تك ثبت خارج خواهيم شد ، همچنين بروز خستگي در اثر ادامه يافتن آزمايش نيز دليل ديگر افزايش خطاها خواهد بود. چنانچه بيـان گرديـد خطاهـاي ديگـري ناشـي از خسـتگي ، عـدم تمركـز و … بوجود مي آيند . بدليل اينكه روش بـر مبنـاي تمركـز فـرد پايهريزي شده است هر عاملي كه باعث برهم خـوردن ايـن تمركز گردد باعث ايجاد خطـاي پـردازش و تصـميمگيـري خواهد گرديد .
بدليل اينكه تحريكات بصورت تصادفي هسـتند و سـوژه از نحوة اعمال تحريكات اطلاعي ندارد لذا اينگونـه تحريكـات اثر مطلوبي در تصميمگيري توسط فرد خواهند داشت و اگر به گونه اي فرد حواس خـود را مشـغول كـار ديگـري مـثلاً شمارش تحريكات چه هدف و چه غيرهـدف نمايـد ، بـازده بهتر خواهد بود . خطاهاي ديگـر ، ناشـي از روال پـردازش بوجود مي آيند . هركدام از روشها يكسري خطاهايي ذاتـي بــه همــراه خواهنــد داشــت ، بعنــوان مثــال در روش Maximum-Likelihood بدليل تخمـين هـايي كـه در روال پردازش در نظر گرفته ميشود خطاهايي ذاتي بوجـود خواهد آمد كه بازده را كاهش ميدهد

فهرست کامل فصل اول مروری بر ارتباط مغز با رایانه

1-1 ) مروری بر رابط مغز - رایانه

1.1.1 چکیده 1
1.1.2 مقدمه 1
1.1.3 روش های عکس برداری عصبی توسط BCI 2
1.1.4 انواع دسته بندی در دستگاه های BCI 3
1.1.5 استخراج ویژگی 3
1.1.6 طبقه بندی الگوریتم ها 4
1.1.7 کاربرد های BCI 5
1.1.8 نتیجه گیری 5
1.1.9 مراجع 5

1-2 ) ارتباط مغز كامپيوتر BCI با استفاده از مؤلفه هاي شناختي ERP

1.2.1 چكيده 8
1.2.2 مقدمه 8
1.2.3 روش كار 9
1.2.4 روشهاي پردازش 10
1.2.5 نحوه آزمايشات و بررسي نتايج روشها 12
1.2.6 جمع بندي نتايج 14
1.2.7 بحث و نتيجه گيري 14
1.2.8 پيشنهادات براي ادامه كار 14
1.2.9 منابع 15
1.2.10 اشکال 15

1-3 ) بهبود کنترل رابط مغز-رایانه و تهينه سازی تشخيص وجود P300 با استفاده از ترکيب طيف های درجه بالا و ویولت

1.3.1 چکیده 17
1.3.2 مقدمه 17
1.3.3 روش کار 18
1.3.4 نتایج 20
1.3.5 بحث و نتیجه گیری 20
1.3.6 منابع 21

1-4 ) مروري برتكنيك هاي استخراج ويژگي از سيگنال هاي مغزي در سيستم هاي ارتباط فرد – رايانه

1.4.1 چكيده 24
1.4.2 مقدمه 25
1.4.3 استخراج ويژگي از سيگنال هاي مغزي 25
1.4.4 روش هاي استخراج ويژگي از سيگنال هاي مغزي 26
1.4.5 نتيجه گيري 35
1.4.6 مراجع 35

i

ارجاع دهی و رفرنس نویسی

تمام مطالب این بسته مطابق با استاندارد های دانشگاههای وزارت علوم ایران رفرنس دهی شده اند و هیچ قسمتی از بسته وجود ندارد که بدون منبع باشد.

نگارش گروهی

در نگارش و جمع آوری این بسته آموزشی کارشناسان مربوطه ما را همراهی کرده اند.کار گروهی بستر بهتری برای پژوهش فراهم میکند.

<

معرفی منبع برای ادامه پژوهش

در این بسته بیش از 1000 مقاله و منبع در این زمینه معرفی شده است که می توان از آنها برای ادامه مسیر پژوهشی استفاده کرد.

Z

پاسخ به سوالات و پشتیبانی علمی

در قسمت دیدگاه ها  اماده پاسخگویی به سوالات احتمالی شما در حد توان علمی خود هستیم.در صورت نیاز شماره تماس برای ارتباط با محققین برای شما ارسال می گردد.

بخش هایی از فصل دوم طراحی یک واسط ارتباطی بین انسان و رایانه

رابط مغز-رایانه یک سیستم ارتباطی است که فعالیت های مغز را به دستورات مورد استفاده برای کامپیوتر تبدیل می کنتد. هدف اصلی BCI بهبود و گسترش سیستم هایی است که امکان برقراری ارتباط با دنیای خارج و همچنین کنترل اعضای مختلف بدن را برای افراد معلول بوجود می آورد. به منظور دستیابی به این هدف بسیاری از جنبه های اساسی سیستمهای BCI نظیر ارزیابی سیگنال های کنترلی (یعنی الگوهای موجود در فعالیت های مغزی انسان که برای ایجاد ارتباط مورد استفاده قرار می گیرند)، بهبود الگوریتم های موجود برای تبدیل سیگنال های مغزی به دستورات قابل استفاده برای کامپیوتر و گسترش سیستم های BCI قابل استفاده برای افراد معلول مورد مطالعه محققان قرار گرفته است.
ساختار پایه یک سیستتم BCI در شکل 1 نشان داده شده و شامل 4 مرحله به صورت زیر است:
– ورودی سیستم که شامل اندازه گیری فعالیت های مغزی انسان می باشد.
– پیش پردازش سیگنال های به دست آمده از مرحله اول که شامل اعمال فیلتر، کاهش نویز، تقویت سیگنال و … می باشد.
– فرآیند ترجمه که شامل دو بخش استخراج ویژگی و طبقه بندی ویژگی است. استخراج ویژگی حاوی استخراج سیگنال های با ارزش از ورودی و طبقه بندی ویژگی حاوی طبقه بندی ویژگی ها به خروجی های قابل استفاده برای مرحله بعد می باشد.
– خروجی سیستم شامل خروجی به دست آمده از طبقه-بندی می باشد که به عنوان یک سیگنال کنترلی برای کاربردهای مختلف مورد استفاده قرار می گیرد

فهرست کامل فصل دوم طراحی یک واسط ارتباطی بین انسان و رایانه

2-1) طراحی یک واسط ارتباطی بین انسان و رایانه با استفاده از الکوریتم ژنتیک و آنالیز اجزای مستقل

2.1.1 چکیده 39
2.1.2 مقدمه 40
2.1.3 روش های بکار گرفته شده 40
2.1.4 آنالیز اجزاء مستقل 40
2.1.5 انتخاب ویژگی 42
2.1.6 نتایج شبیه سازی 45
2.1.7 نتیجه گیری 46

2-2) طراحی سیستم ارتباطی مغز با یارانه با استفاده از مدل یادگیری عاطفی مورن

2.2.1 مقدمه 48
2.2.2 روش های به کار رفته شده 49
2.2.3 آرتیفکت ها 49
2.2.4 انتخاب ویژگی 50
2.2.5 دسته بندی 51
2.2.6 نتایج شبیه سازی 53

2-3) رگولار کردن الگوی فضایی مشترک جهت بهبود طراحی سیستمهای واسط مغز و رایانه (BCI)

2.3.1 خلاصه 57
2.3.2 مقدمه 57
2.3.3 آزمایش و پیش پردازش 58
2.3.4 روشها 59
2.3.5 نتیجه گیری 62
2.3.6 قدردانی 63
2.3.7 مراجع 63

2-4) برسی اثر الگو های مختلف دیداری بر عملکرد سیستم BCI مبتنی بر SSVEP و انتخاب الگوی بهینه جهت کنترل بازوی رباتیک

2.4.1 خلاصه 64
2.4.2 مقدمه 64
2.4.3 روش تحلیل همبستگی کانونی (CCA) 66
2.4.4 بازوی رباتیک 67
2.4.5 اکتساب سیگنال 68
2.4.6 نتایج پیاده سازی 70
2.4.7 بحث و نتیجه گیری 77
2.4.8 قدردانی 78
2.4.9 مراجع 78

2-5) ارائه الگوریتمی بهینه جهت طراحی سیستمهای BCI بر پایه پتانسیل تحریک 300P

2.5.1 چکیده 79
2.5.2 مقدمه 79
2.5.3 الگوریتم پیشنهادی 80
2.5.4 معیار اندازه گیری نرخ بیت در الگوریتم پیشنهادی 81
2.5.5 نتایج پیاده سازی 81
2.5.6 نتیجه گیری 83
2.5.7 مراجع 85

2-5) برسی اثر الگو های مختلف دیداری بر عملکرد سیستم BCI مبتنی بر SSVEP و انتخاب الگوی بهینه جهت کنترل بازوی رباتیک

2.4.1 خلاصه 64
2.4.2 مقدمه 64
2.4.3 روش تحلیل همبستگی کانونی (CCA) 66
2.4.4 بازوی رباتیک 67
2.4.5 اکتساب سیگنال 68
2.4.6 نتایج پیاده سازی 70
2.4.7 بحث و نتیجه گیری 77
2.4.8 قدردانی 78
2.4.9 مراجع 78

تعداد صفحه بسته آموزشی

تعداد منابع معرفی شده برای ادامه کار

تعداد پشتیبانان مخصوص این فایل

قسمت هایی از فصل سوم طبقه بندی سیگنال مغز با استفاده از EEG

به دلیل اینکه باند فركانسی مناسب برای سیگنال های EEG ناشی از تصور حركتی برای هر فرد متفاوت می باشد. در این مرحله سیگنال EEG توسط فیلتر چبی چف نوع 2 به چندین باند فركانسی تقسیم می شود. 2 باند فركانسی به صورت، 4 تا ۸ هرتز، ۸ تا 12 هرتز و … 36 تا 40 هرتز در نظر گرفته می شود. این رنج فركانسی به این دلیل انتخاب شده است كه دارای پاسخ فركانسی پایدار است و این بازه دو باند فركانسی B و U را كه جزء باندهای مهم در سیستم های BCI مبتنی بر تصور حركتی به شمار می روند را در بردارد. همچنین فركانس آرتیفکت هایی مانند EOG و EMG كه خارج از این محدوده است و نویز 50 هرتز برق شهر، توسط این باند فركانسی حذف خواهد شد. فاصله زمانی 190 ثانیه قبل از شروع تصور حركت تا 295 ثانیه بعد از آن در نظر گرفته شده است

فهرست کامل فصل سوم طبقه بندی سیگنال مغز با استفاده از EEG

3-1 ) بهبود نتایج طبقه بندی سیگنال EEG در سیستم های واسط مغز – کامپیوتر با استفاده از الگوریتم ژنتیک

3.1.1 چکیده 86
3.1.2 مقدمه 86
3.1.3 استخراج ویژگی 87
3.1.4 طبقه بندی کننده 87
3.1.5 ترکیب طبقه بندی کننده ها 87
3.1.6 گزینش ویژگی 88
3.1.7 آزمایشات 89
3.1.8 نتیجه گیری 89
3.1.9 مراجع 89

3-2 ) ویژگی های توانی و آماری در تفکیک سیگنال های EEG در رابط های مغز و رایانه

3.2.1 چكيده 91
3.2.2 مقدمه 91
3.2.3 انتخاب و ثبت داده ها 92
3.2.4 تحلیل با استفاده از DWT 93
3.2.5 طبقه بندی کننده 94
3.2.6 نتایج شبیه سازی 95
3.2.7 نتیجه 96
3.2.8 مراجع 96

3-3 ) الگوی فضایی مشترک همبستگی زمانی مکانی برای طبقهبندی سیگنالهای EEG تک ثبت ناشی از تصور حرکت چندکلاسه در سیستمهای واسط مغز-رایانه

3.3.1 چکیده 97
3.3.2 مقدمه 98
3.3.3 روش 99
3.3.4 ارزیابي 101
3.3.5 بحث و نتیجه گیري 104
3.3.6 مراجع 105

3-4 ) بررسی و تحلیل روشهای استخراج ویژگی مبتنی بر الگوی فضایی مشترک جهت کلاسه بندی سیگنال های EEG در سیستم های واسط مغز-رایانه

3.4.1 چکیده 108
3.4.2 مقدمه 109
3.4.3 الگوریتم CSP 110
3.4.4 درنظر گرفتن ساختار زماني سیگنال هاي EEG 111
3.4.5 انتخاب باند فرکانسي بهینه 113
3.4.6 تعمیم به مسائل چندکلاسه 114
3.4.7 بحث و نتیجه گیري 115
3.4.8 مراجع 115

3-5 ) استفاده از سیگنال EEG تک کانال به منظور آشکار سازی حرکت پا در سیستم واسط مغز – رایانه کاربر فرما

3.5.1 چکیده 118
3.5.2 مقدمه 118
3.5.3 روش 119
3.5.4 نتایج 121
3.5.5 نتیجه گیری 121
3.5.6 سپاسگزاری 122
3.5.7 مراجع 122

قسمت هایی از فصل چهارم بررسی طبقه بندی سیگنالهای مغزی در سیستم رابط مغز-رایانه

ماشین بردارهای پشتیبان SVM 3 یکی از روش های یادگیری با ناظر است که توسط وپنیک ارائه شد. SVM یک طبقه بند باینری است که سعی در پیدا کردن یک ابرصفحه 5 جداکننده بین داده های آموزشی دارد، بطوریکه کمترین میزان خطا در طبقه بندی و همچنین بیشترین حاشیه را برای ابرصفحه نسبت به نزدیک ترین داده های آموزشی (که همان بردارهای پشتیبان هستند) داشته باشد؛ به ابر صفحه با بیشترین میزان حاشیه، ابرصفحه بهینه می گویند. در شکل 3 مثالی از دو کلاس داده های آموزشی بصورت “دایره” و “ستاره”، ابرصفحه های بهینه و غیر و بهینه اند بردارهای پشتیبان نشان داده شد.
برای یافتن یک ابرصفحه ،بهینهجداکننده روشهای مختلفی مانند برنامهنویسی درجه دوم SMO ،QP و LS وجود دارد؛ درصورتیکه روش مورد نظر LS باشد، پس طبقه بند با عنوان LS-SVM شناخته می شود. روش QP همان روش اولیه مطرح شده است، در روش SMO توسط پلات و روش LS توسط سویکینز و همکاران ارائه شده اند. در این پژوهش ما از روش LS-SVM به منظور طبقه بندی استفاده کرده ایم

فهرست کامل فصل چهارم بررسی طبقه بندی سیگنالهای مغزی در سیستم رابط مغز-رایانه

4-1 ) بررسی طبقه بندی سیگنال های مغزی در سیستم رابط مغز-رایانه

4.1.1 چکیده 124
4.1.2 مقدمه 124
4.1.3 الکتروفیزیولوژی و سیگنالهای مغزی 125
4.1.4 رابط مغز- رایانه 126
4.1.5 طبقه بندی 128
4.1.6 نتایج پیاده سازی 130
4.1.7 نتیجه گیری 130
4.1.8 مراجع 130

4-2 ) ترکیب بردارهاي ویژگی براي افزایش کارایی یک سیستم ارتباط مغز-رایانه

4.2.1 چکیده 132
4.2.2 مقدمه 133
4.2.3 روش 134
4.2.4 نتایج 136
4.2.5 نتیجه گیري 140
4.2.6 مراجع 140

4-3 ) بهبود طبقه بندی فعالیت های ذهنی در سیستم های رابط مغز-رایانه با استفاده از الگوریتم بهینه سازی ازدحام ذرات مبتنی بر توپولوژی حلقوی

4.3.1 خلاصه 143
4.3.2 مقدمه 143
4.3.3 مواد و روشها 144
4.3.4 آزمایشها 148
4.3.5 نتیجه گیری 149
4.3.6 قدردانی 149
4.3.7 مراجع 149

4-4 ) فرکانس بالا برای رابط های مغزی - رایانه ای

4.4.1 چکیده 151
4.4.2 مقدمه 151
4.4.3 روش ها 152
4.4.4 نتیجه گیری 153
4.4.5 مراجع 154

4-5 ) بررسی ارتباط مغز و كامپيوتري در كنترل سطح بالاي سيستم هاي رباتيك

4.5.1 چکيده 155
4.5.2 مقدمه 155
4.5.3 معرفی BCI 155
4.5.4 مراحل BCI 155
4.5.5 پيش زمينه 156
4.5.6 روش ها 158
4.5.7 بررسی روش آزمايش 161
4.5.8 بحث و بررسی 161
4.5.9 نتايج 162
4.5.10 مراجع 162

%

میزان رضایت

میزان رضایت افراد خریدار این بسته بعد از خرید

(نظر سنجی به وسیله ایمیل و یک هفته بعد ازخرید بسته انجام می گیرد)

تمام منابع معرفی شده هم به صورت فایل Word و هم به صوت فایل PDF در اختیار شما قرار می گیرد.

تومان40,000افزودن به سبد خرید