ارائه یک شاخص نوین برای سنجش سطح خستگی ذهنی در حین فعالیت مغزی از روی سیگنال EEG

یکی از رشته های زیر مجموعه فنی مهندسی که علاقمندان بسیاری در کشور ما دارد رشته کامپیوتر و فناوری اطلاعات هستش که اتفاقا سایت دیجی لود در حال تکمیل سری جدیدی از پایان نامه های ارشد این رشته تحصیلی برای کاربران گرانقدر خود میباشد. دیجی لود در ادامه پایان نامه ” ارائه یک شاخص نوین برای سنجش سطح خستگی ذهنی در حین فعالیت مغزی از روی سیگنال EEG ” با فرمت Word (قابل ویرایش) در 100 صفحه را معرفی مینماید.

چکیده پایان نامه ارائه یک شاخص نوین برای سنجش سطح خستگی ذهنی در حین فعالیت مغزی از روی سیگنال EEG

در سال‌های اخیر، روش‌های زیادی تلاش به بررسی میزان خستگی ذهنی با معیارهای متفاوتی کرده‌اند. این روش‌ها مقیاس‌های متفاوتی را برای این کار از جمله عملکرد و اندازه گیری‌های مبتنی بر الکتروفیزیولوژیک به کار گرفته‌اند. در میان این ابزار‌ها به نظر می رسد که الکتروانسفالوگرام (EEG) بهتر و دقیق تر از دیگر ابزارها عمل می کند. با این حال، بیشتر یافته های تحقیقاتی انجام شده در مورد تغییرات EEG در رابطه با خستگی دارای محدودیت‌های متفاوت و همچنین گاهی اوقات نتایج متناقض هستند. در نتیجه برای تشخیص بهتر خستگی از روی سیگنال EEG نیاز به به بررسی بیشتر آن می باشد.

بیشتر این روش‌ها دارای بعد ویژگی استخراج شده بالا هستند و در نتیجه برای کاهش این بعد و همچنین افزایش دقت نیاز به روش‌های کاهش بعد دارند. همچنین صحت این روش‌ها به روش کاهش بعد استفاده شده و تعداد ویژگی‌های استفاده شده در آن‌ها بستگی دارد. علاوه بر این، این روش‌ها بیشتر به بررسی خستگی ذهنی در چند حالت محدود پرداخته‌اند. در نتیجه ما برای افزایش سرعت و دقت بررسی خستگی ذهنی در اینجا به بررسی اثر خستگی بر قدرت و مکان منابع مغزی پرداخته‌ایم. با کمک این روش سعی در کاهش پیچیدگی محاسباتی روش‌های پیشین شده است. همچنین ما به بررسی پیوسته خستگی ذهنی نیز پرداخته‌ایم. علاوه بر این، در این پایان نامه هم از سیگنال های واقعی ثبت شده از افراد مختلف و هم از سیگنال شبیه سازی شده برای نشان دادن درستی روش پیشنهادی استفاده شده است و ما نشان دادیم که این روش بهتر از روش‌های قبلی عمل می کند

نگاهی به فصول پایان نامه

مطالب عنوان شده در این پایان‌نامه در قالب پنج فصل آورده شده‌اند. ادامه مطالب ذکر شده را می‌توان در موارد زیر خلاصه نمود.

فصل دوم. پیشینه تحقیقات

در این فصل مهمترین کارهای پیشین که تاکنون، برای بررسی خستگی ذهنی انجام شده به همراه خصوصیات آنها مورد مطالعه و بررسی قرار گرفته است.

فصل سوم. روش تحقیق

در این فصل ابتدا روش حدف نویز از داده‌های ثبت شده توضیح داده می‌شود. سپس یکی از روش‌های مکان یابی و مشکلات آن توضیح داده می‌شود. پس از آن روشی برای بهبود مکان یابی منابع پیشنهاد می‌شود. در نهایت به بررسی روش تعیین خستگی ذهنی می‌پردازیم.

فصل چهارم. آزمایش‌ها و نتایج

در این فصل در ابتدا سیگنال‌های مورد بررسی توضیح داده می‌شود. سپس مراحل مختلف توضیح داده شده در فصل قبل و روش‌های تشخیص خستگی رایج بر روی این سیگنال‌ها اعمال می‌شود. همچنین نتایج حاصل از اعمال این روش‌ها توضیح داده می‌شود.

فصل پنجم. نتیجه‌گیری و پیشنهادات

در فصل آخر مطالب عنوان شده در این پایان‌نامه جمع‌بندی شده و در مورد آن‌ها بحث می‌شود. سپس پیشنهادات و مسیرهایی برای ادامه و گسترش این تحقیق در پژوهش‌های آینده، ارائه می‌گردد.

فهرست مطالب

فصل اول: مقدمه	1
1-1- مقدمه	2
1-2- تعریف مسئله	3
1-3- نگاهی به فصول پایان نامه	4
فصل دوم: پیشینه تحقیقات	6
2-1- روش‌های موجود برای تشخیص خستگی	9
2-1-1- روش‌های مبتنی بر تحلیل طیف سیگنال EEG	9
2-1-2- روش‌های مبتنی بر تحلیل تغییرات در آنتروپی سیگنال EEG	12
2-1-3- روش‌های مبتنی بر تحلیل نظم منطقی بین نواحی مختلف مغز	14
2-1-4- روش‌های مبتنی بر دادن تحریک به فرد در حین فعالیت	15
2-2- تاریخجه و نحوه ثبت سیگنال EEG	16
2-3- جمع بندی	20
فصل سوم: روش تحقیق	21
3-1- مقدمه	22
3-2- نویزهای سوار شده بر روی سیگنال EEG و نحوه کاهش اثر آن‌ها	23
3-2-1- امواج ناخواسته زیستی	23
3-2-2- امواج ناخواسته محیطی	24
3-2-1- پیش پردازش	24
3-3- مدل سیگنال	24
3-4- انتخاب الکترود مرجع	26
3-5- مشخص کردن تعداد منابع تولید کننده سیگنال	27
3-6- مکان یابی در فضای پرتوسازی	30
3-6-1- فیلتر کردن فضایی با محدودیت کمترین واریانس	31
3-6-2- مشکل روش LCMV	35

عنوان صفحه

3-6-3- روش پیشنهادی برای مکان یابی	36
3-7- محاسبه همبستگی در سیگنال EEG	38
3-8- ویژگی استفاده شده برای تشخیص خستگی	40
3-9- روش‌های کلاسه بندی استفاده شده	40
3-9-1- ماشین بردار پشتیبان	40
3-9-2- k نزدیک ترین همسایه	42
3-10- روش‌های مقایسه شده با روش پیشنهادی	42
3-10-1- آنتروپی تقریبی	43
3-10-2- کولموگروف آنتروپی	44
3-10-3- تجزیه و تحلیل بردار اصلی به همراه کرنل	45
3-10-4- مدل مخفی مارکوف	45
3-10-5- روش اراﺋﻪ شده توسط لیو و همکارانش	46
3-10-6- روش اراﺋﻪ شده توسط شن و همکارانش	46
3-10-7- توموگرافی الکترومغناطیسی با رزولوشن پایین	47
3-10-8- توموگرافی الکترومغناطیسی استاندارد با رزولوشن پایین	48
3-11- جمع‌بندی	49
فصل چهارم: آزمایش‌ها و نتایج	50
4-1- مقدمه	51
4-2- شبیه سازی سیگنال EEG برای مشخص کردن دقت مکان‌یابی ………………………………………………..	52
4-3- سیگنال EEG ثبت شده برای بررسی میزان خستگی	53
4-4- شبیه سازی سیگنال EEG برای بررسی میزان خستگی	57
4-5- نتایج	59
4-5-1- مقایسه روش مکان یابی پیشنهادی و LCMV ……………………………………………………….	59
4-5-2- بررسی خستگی به کمک داده های ثبت شده EEG……………………………………………….	60
4-5-2-1- بررسی مکان و قدرت منابع در حالت خسته و نرمال………………………………	60
4-5-2-2- بررسی ویژگی پیشنهادی در کلاسه‎بندی حالت‌ها………………………………….	62
4-5-2- بررسی خستگی به کمک سیگنال شبیه‌سازی شده………………………………………………….	67
4-6- جمع‌بندی	70
فصل هفتم: نتیجه گیری و پیشنهادات	71
فهرست منابع	74

فهرست جداول

59	جدول 4-1) مقایسه میزان خطا بین روش پیشنهادی و روش LCMV
63	جدول 4-2) صحت به دست آمده توسط روش پیشنهادی در کلاسه بندی‌های 1NN و SVM
63	جدول 4-3) صحت به دست آمده توسط لیو و همکارانش
64	جدول 4-4) صحت به دست آمده توسط شن و همکارانش
65	جدول 4-5) مقایسه بین پیچیدگی استخراج ویژگی روش‌های مختلف
67	جدول 4-6) خطای مکان‌یابی برای روش های مختلف بر روی قسمت‌های مختلف سیگنال که از ابتدا سیگنال شبیه سازی شده انتخاب شده‌اند
68	جدول 4-7) خطای مکان‌یابی برای روش های مختلف بر روی قسمت‌های مختلف سیگنال که از وسط سیگنال شبیه سازی شده انتخاب شده‌اند
68	جدول 4-7) خطای مکان‌یابی برای روش های مختلف بر روی قسمت‌های مختلف سیگنال که از وسط سیگنال شبیه سازی شده انتخاب شده‌اند
68	جدول 4-9) انحراف معیار و میانگین خطای مکان یابی برای روش های مختلف بر روی قسمت های مختلف سیگنال شبیه سازی شده

فهرست شکل ها

شکل2-1) انتخاب بهترین ویژگی‌ها در روشی مبتنی بر طیف سیگنال

	11
شکل 2-2) مقایسه پارامترهای ApEn و KC برای دو باند فرکانسی آلفا و بتا و در دو حالت قبل و بعد از خستگی	13
شکل 2-3) نظم منطقی بین 59 الکترود	16
شکل 2-4) مکان الکترودها که با اسم هر الکترود مشخص شده است	19
شکل 3-1) فیلتر مکانی در الگوریتم‌های پرتوسازی	31
شکل 3-2) استفاده از فیلتر مکانی تقریباً بهینه	34
شکل 4-1) مکان منبع فرض شده برای شبیه سازی سیگنال EEG	52
شکل 4-2) نمونه‌ای از سیگنال EEG فرد قبل از خسته شدن	55
شکل 4-3) نمونه‌ای از سیگنال EEG فرد پس از خسته شدن	55
شکل 4-4) نمونه ای از سیگنال EEG پیش پردازش شده فرد قبل از خسته شدن	56
شکل 4-5) نمونه ای از سیگنال EEG پیش پردازش شده فرد پس از خسته شدن	56
شکل 4-6) نمونه ای از نویز EOG اضافه شده به داده‌های شبیه سازی شده	58
شکل 4-7) مکان متوسط قوی‌ترین منبع برای یک فرد در حالت خسته و نرمال	61
شکل 4-8) قدرت متوسط منابع برای 17 شرکت کننده در ثبت سیگنال در هر دو سطح خسته و غیر خسته	62
شکل 4-9) نمایش جعبه‌ای برای مقایسه بین صحت، ویژگی و حساسیت روش‌های مختلف	65
شکل 4-10) میزان خستگی به دست آمده توسط روش پیشنهادی	70