ترکیب مدلهای Transformer و EEGNet برای شناسایی سیگنالهای EEG تصور حرکتی | ||
| مدل سازی در مهندسی | ||
| دوره 23، شماره 83، زمستان 1404، صفحه 191-202 اصل مقاله (609.16 K) | ||
| نوع مقاله: مقاله کامپیوتر | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.36652.2796 | ||
| نویسندگان | ||
| آرزو حمیدی1؛ کورش کیانی* 2؛ راضیه راستگو2 | ||
| 1دانشکده مهندسی پزشکی، دانشگاه سمنان، سمنان، ایران | ||
| 2دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران | ||
| چکیده | ||
| شناسایی سیگنالهای الکتروانسفالوگرافی (EEG) مربوط به تصور حرکت، جنبهای حیاتی در ارزیابیهای اختلالات شناختی در زمینه تحقیقاتی رابط مغز-رایانه (BCI) است. تنوع ذاتی این سیگنالها در افراد مختلف، چالش بزرگی در توسعه مدلهایی ایجاد میکند که بتوانند بهطور دقیق آنها را شناسایی و تفسیر کنند. علاوه بر این، توانایی شناسایی تصور حرکت با استفاده از مدت زمانهای کوتاهتر سیگنال، برای افزایش قابلیت اعتماد و کاربردپذیری سیستمهای BCI اهمیت زیادی دارد. در این مطالعه، یک مدل هیبریدی نوآورانه پیشنهاد میشود که معماریهای Transformer و EEGNet را برای طبقهبندی سیگنالهای EEG تصور حرکتی ترکیب میکند. ادغام این دو معماری، به مدل ما این امکان را میدهد که از ویژگیهای فضایی و زمانی موجود در دادههای EEG استفاده کند. پژوهش انجام شده نتایج امیدوارکنندهای را نشان میدهد که در آن دقت 66.9% برای ترایال 2 ثانیهای با ارزیابی میان گروهی با استفاده از مجموعه داده Physionet بهدست میآورد. ارزیابیهای مقایسهای در برابر مدلهای پیشرفته نشان میدهند که عملکرد روش پیشنهادی بهویژه در دستیابی به معیارهای قابل توجه با مدت زمانهای ترایال کوتاهتر، برتری دارد. | ||
| کلیدواژهها | ||
| تصور حرکت؛ EEG؛ Transformer؛ EEGNet؛ طبقهبندی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 403 تعداد دریافت فایل اصل مقاله: 276 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 718 |
| تعداد مقالات | 10,319 |
| تعداد مشاهده مقاله | 72,328,785 |
| تعداد دریافت فایل اصل مقاله | 64,057,305 |