شناخت حالتهای مغزی انسان خصوصاً پدیده »توجه« به عنوان یکی از بارزترین فعالیتهای شناختی مغز، در بسیاری از بیماری ها مانند نقص توجه - پر تحرّکی، درخودماندگی، نقص عصب، نقص عضو و همچنین در بسیاری از زمینه ها نظیر تصمیم گیری، درمان اعتیاد، یادگیری، دروغ سنجی، ارتباط مغز- رایانه، رانندگی، نگاهبانی اماکن حفاظتی، سوزنبانی قطار و خلبانی کاربرد دارد. هدف اصلی این مقاله، ارائه روشی کارا برای ارتباط مغز-رایانه )BCI( دوبُعدی مبتنی بر »توجه انتخابی دیداری« با استفاده از سیگنالهای MEG است. توجه انتخابی، یک فرآیند شناختی است که در آن شخص تمرکز خود را به طور انتخابی روی یک وجه قرار داده و وجوه دیگر و نیز برخی عوامل منحرف کننده را نادیده میگیرد. در این مقاله، به علت خواص خوب سیگنال مغزی MEG، از آن به عناوان سیگنال کنترلا ی در BCI استفاده میشود. پا از پا یش پردازش داده، ویژگیهایی نظیر ضرایب موجک دابشیز و آنتروپی تقریبی از سیگنال MEG استخراج میشوند. معمولا تمام ویژگیها ی استخراجی برای دسته بندی مفید نیستند، بنابراین از الگوریتم تحلیل مؤلفه های اصلی )PCA(، برای انتخاب مناسب ترین دسته ویژگی ها استفاده میشود. ویژگیهای بهینه استخراج شده، به یک ماشین بردار پشتیبان با هسته های چندجمله ای، تابع پایه شعاعی و همچنین ماشین بردار پشتیبان موجک )WSVM( با هسته های مورلت و کلاه مکزیکی برای طبقه بندی داده میشوند. درنهایت این مقاله میتواند محل حضور محرک را با درصد صحت متوسط 26/62% به کمک دسته بندی کننده با هسته مورلت از روی سیگنال MEG تشخیص دهد. از مطالعه نواحی مختلف مغزی مشاهده میشود، بیشترین درصد صحت، مربوط به نواحی پیشانی و گیجگاهی است. از نتایج تحقیق میتوان برای شناسایی بهتر نواحی مختلف مغز در حالت توجه انتخابی دیداری استفاده کرد. نتایج شبیه سازی بیانگر مؤثر بودن این روش در کاربردهای BCI با صحت 26/62% است.

کلمات کلیدی