رويكرد مبتني بر فرايند گوسي در راستاي كدگشايي الگو‌هاي بصري از سيگنال‌هاي EEG داخل جمجمه‌اي انسان

اصفهان : دانشگاه صنعتي اصفهان

مهندسي برق

دكتري

مغز انسان مركز اصلي پردازش اطلاعات حسي و هماهنگي واكنش‌ها به محيط اطراف است. با اين حال، آسيب‌ها و اختلالات عصبي مي‌توانند به‌طور جدي اين عملكردها را مختل كنند و منجر به ناتواني‌هاي قابل‌توجهي در فعاليت‌هاي روزمره و حركات غيرارادي شوند. پيشرفت‌هاي اخير در فناوري واسط مغز-رايانه (BCI) به‌منظور ارائه راه‌حل‌هايي براي افرادي كه از اين مشكلات رنج مي‌برند، انجام شده‌است. رمزگشايي اطلاعات بصري از سيگنال‌هاي عصبي، به‌ويژه در مواجهه با چالش‌هايي نظير ابعاد بالاي داده، تعداد محدود نمونه‌ها و نويز ذاتي سيگنال‌هاي مغزي، يكي از موانع اصلي در مسير توسعه‌ي واسط‌هاي مغز-رايانه پيشرفته است. اين رساله با هدف غلبه بر اين محدوديت‌ها، يك چارچوب مولد احتمالي غيرپارامتري نوين با عنوان رمزگشاي مولد-تمايزي در فضاي نهفته (LDGD)، مبتني بر فرآيندهاي گوسي، ارائه مي‌دهد. اين مدل با يادگيري يك فضاي پنهان مشترك و كم‌بُعد، از طريق بهره‌گيري همزمان از ويژگي‌هاي سيگنال عصبي و برچسب‌هاي محرك بصري، قادر است وظايف تمايزي (دسته‌بندي) و مولد (بازتوليد داده) را به انجام رساند. براي افزايش مقياس‌پذيري و امكان آموزش دسته‌اي، از تكنيك نقاط القايي استفاده شده و همچنين نسخه‌اي سريع از مدل با نام fastLDGD براي كاربردهاي بلادرنگ توسعه يافته است. براي ارزيابي مدل، از داده‌هاي الكتروآنسفالوگرام داخل جمجمه‌اي (iEEG) ثبت‌شده از بيماران مبتلا به صرع در حين انجام دو آزمايش بصري استفاده شد: يك وظيفه‌ي ساده با تحريك دوتايي (آزمايش چشمك‌زن) و يك وظيفه‌ي پيچيده‌ي چندخروجي (آزمايش توالي صفحه‌شطرنجي 10×10). نتايج نشان داد كه در آزمايش ساده، مدل fastLDGD به ميانگين صحت ٪72 دست يافت و عملكردي برتر از مدل‌هاي مرجع يادگيري ماشين (مانند SVM و XGBoost) و يادگيري عميق (مانند VAE و EEGNet) از خود نشان داد. در آزمايش پيچيده‌ي صفحه‌شطرنجي، اگرچه همانطور كه انتظار مي‌رفت، رمزگشايي تمام پيكسل‌ها به صورت يكنواخت بالاتر از سطح شانس نبود، اما نتايج، يافته‌هاي مهمي را در بر داشت. مدل توانست وضعيت پيكسل مركزي را با دقت ٪69 رمزگشايي كند و تحليل فضايي دقت، يك ارتباط معنادار ميان عملكرد مدل و كانون توجه بصري را آشكار ساخت؛ به‌طوري‌كه دقت با افزايش فاصله از مركز تصوير كاهش مي‌يافت. اين پژوهش كارايي چارچوب بيزي پيشنهادي را براي رمزگشايي مقاوم اطلاعات بصري از داده‌هاي عصبي محدود و پرنويز اثبات مي‌كند. يافته‌ها و مدل‌هاي توسعه‌يافته در اين رساله، گامي مهم در جهت طراحي نسل جديدي از واسط‌هاي مغز-رايانه‌ي تفسيرپذير براي كاربردهايي نظير پروتزهاي عصبي بينايي و نگاشت عملكردي مغز به شمار مي‌روند.

236187

مخابرات - سيستم

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان