طبقه‌بندي پتانسيل‌هاي وابسته به رويداد شنيداري در يك تكليف افتراق زماني مبتني بر پارادايم ادبال

مقدمه: با وجود بيش از يك سده مطالعات در زمينه چگونگي ادراك زمان توسط مغز انسان، پژوهش در مورد تشخيص الگوهاي مربوط به ادراك زمان در سيگنال الكتروآنسفالوگرافي افراد نادر بوده است. هدف از اين مطالعه تشخيص كوتاه يا بلند بودن بازه مورد قضاوت توسط يك فرد، بر اساس سيگنال الكتروآنسفالوگرافي وي بود. روش كار: در يك تكليف ادبال شنيداري، از آزمودني‌‌‌ ها خواسته شد كه مدت زماني محرك ادبال كوتاه (ms400) يا بلند (ms600) را با مدت ارائه محرك ‌‌هاي استاندارد (ms500) پيش از آن مقايسه كنند. همزمان با ارائه تكليف، الكتروآنسفالوگرافي افراد ثبت مي شد. سپس نمونه‌ هاي هدف (پتانسيل‌ هاي مغزي برانگيخته شده توسط محرك ادبال ms400 يا ms600) و نمونه ‌هاي غير هدف (پتانسيل ‌هاي مغزي برانگيخته شده توسط محرك استاندارد) به الگوريتم ‌هاي طبقه ‌بندي داده شد. يافته‌ ها: طبقه‌ بند SVM با كرنل RBF توانست با بالاترين صحت طبقه بندي 94.25 درصد از ميان طبقه‌ بندهاي درخت تصميم ‌گيري و شبكه عصبي پرسپترون چند لايه (MLP)، نمونه ‌هاي مورد آزمايش هدف (بازه ms400) را از نمونه‌ هاي غير هدف (بازه هاي ms500 و ms600) تشخيص دهد. همچنين، اين الگوريتم با صحت 93.98 درصد نمونه ‌هاي هدف ms600 را از نمونه‌ هاي غير هدف (بازه هاي ms500 و ms400) تشخيص داد و در نهايت با صحت 87.95 درصد توانست نمونه‌ هاي مربوط به بازه‌ هاي ms400 را از ms600 و ms500 تشخيص دهد. نتيجه ‌گيري: يافته‌ هاي اين مطالعه نشان مي ‌دهد كه يادگيري ماشين مي تواند الگوهاي مربوط به ادراك بازه كوتاه و بلند را بر اساس سيگنال الكتروانسفالوگرافي افراد، با دقت بالايي تشخيص دهد.