حوزه هاي مختلف كاربردي پردازش سيگنال مغزي در ايران

Different Application Fields of Brain Signal Processing in Iran

پژوهش‌ها نشان مي‌دهد كه اعمال انسان نتيجه عملكرد نوروني داخل مغز وي است. بازخورد اين عملكرد به‌صورت سيگنال ساطع‌شده از سطح جمجمه قابل دريافت و پردازش است. دريافت و ثبت سيگنال‌هاي مغزي توسط دستگاه EEG قابل انجام است. پژوهش‌گران از شيوه‌هاي گوناگوني در راستاي اخذ و پيش پردازش سيگنال، استخراج و كاهش ويژگي و انواع طبقه‌بندي‌كننده‌ها در پژوهش‌هاي مختلف استفاده كرده‌اند. با توجه به مطالعات جمع‌آوري‌شده از پايگاه‌هاي علمي داخلي و خارجي كه توسط پژوهش‌گران ايراني تا سال 1394 در زمينۀ پردازش سيگنال مغزي انجام گرفته است، مشخص شد كه بيشتر پژوهش‌ها در بخش‌هاي پزشكي و ارتباط مغز با رايانه صورت گرفته و نيز نمونه‌گيري و اخذ سيگنال از ناحيه مركزي سطح جمجمه بيشتر مورد استفاده قرار گرفته است و در ميان انواع مختلف روش‌هاي استخراج ويژگي و كاهش آن، روش آماري براي استخراج ويژگي و روش گزينشي براي كاهش آن استفاده شده است. در‌نهايت ماشين بردار پشتيبان بيشترين استفاده را در طبقه‌بندي‌كننده‌هاي سيگنال مغزي داشته است. در انتها با درنظرگرفتن فراواني روش‌هاي استفاده‌شده در مراحل پردازش سيگنال مغز در بخش پزشكي، بر روي تشخيص اضطراب و افسردگي پنجاه سوژه، پژوهشي صورت گرفت و نتيجه با دقت 97 درصد حاصل شد.

According to the researches, it turns out that human's activities are the results of the internal-neural activities of their brain. The reflection of such activities which are propagated throughout the scalp can then be acquired and processed. In this regard, brain signals can be acquired and recorded by EEG (Electroencephalography). Researchers have applied different technqiues for acquiring, pre-processing, feature extrcation and reduction and classifying EEG signal. According to published papers by Iranian researchers until 2015, it has been found that most studies have been performed in medical applications and brain computer interface fields. Sampling and receiving EEG signals have been performed more in the central region than other regions. Statistical technqiues have more been used for feature extraction than other technqiues. Finally, the support vector machines are mostly used in the classification of brain signals. At the end, a study on anxiety and depression detection on fifty cases was performed in medical field. Simulation results show that our approach achieve an accuracy of up to 97 percents.