نوقشت رسالة الماجستير الموسومة:
” الترابط بين الدماغ والحاسبة المستند الى اشارة التخطيط الكهربائي للدماغ “
التي اعدتها طالبة الماجستير في قسم الهندسة الكهربائية – كلية الهندسة / جامعة بغداد اروى رعد عبيد كجزء من متطلبات نيل درجة الماجستير في علوم الهندسة الكهربائية وبإشراف الاستاذ المساعد الدكتور صادق جاسم ابو اللوخ يوم الثلاثاء المصادف 11/4/2017.تكونت لجنة المناقشة لهذه الرسالة من الاستاذ المساعد الدكتور زينب توفيق باقررئيساُ وعضوية الاستاذ المساعد الدكتور انس قصي هاشم و الاستاذ المساعد الدكتور نمير أحمد فؤاد.
مستخلص رسالة الطالب كالاتي:
الترابط بين الدماغ والحاسبة (BCI) أستخدمت على نطاق واسع من قبل العديد من الباحثين باستخدام أساليب مختلفة لتحقيق نظام سريع ودقيق. تقنية التخطيط الكهربائي للدماغ (EEG) هي الأداة الأساسية لتمثيل أنشطة الدماغ عن طريق الاشارات الكهربائية التي ستلعب دورا بارزا في تصميم نظام (BCI).
في هذه الأطروحة، استخدمت ثلاث مجموعات من البيانات لتقييم اداء الخوارزميات المستخدمة من حيث الدقة. أولا، مجموعة البيانات الأولى التي تم تسجيلها من 9 اشخاص اثناء تخيل حركة اليد اليسرى واليد اليمنى، تمت المقارنة بين ثلاث خوارزميات للتصنيف؛ Naive Bayes (NB)، K-Nearest Neighbor (KNN)، و Support Vector Machine (SVM). تم استخدام Butterworth filter ( اس 4) لاستخراج نطاق التردد (8-30) هرتز، و تم تحسين اشارة التخطيط الكهربائي باستخدام خوارزمية Common Spatial Pattern(CSP). كانت الدقة عند استخدام طرق التصنيف الثلاثة تساوي 80.7٪، 82.34٪، 75.68٪ على التوالي.
ثانيا، تم جمع مجموعة البيانات الثانيه من دماغ شخص عند تحريك اليد اليسرى واليد اليمنى بشكل عشوائي. أيضا، تمت المقارنة بين ثلاثة خوارزميات لتحسين اشارة التخطيط الكهربائي للدماغ وتقليل الضوضاء فيها وهذه الخوارزميات هي Common Average Reference (CAR)، Principal Component Analysis (PCA)، وCSP على البيانات المصفاة التي تنتج من Digital band pass filter (اس 4) باستخدام SVM. كانت دقة الخوارزميات 89.5٪، 98.21٪، و5,94٪ على التوالي.
أخيرا، تم جمع مجموعة البيانات الثالثة باستخدام جهاز التخطيط الكهربائي الاقتصادي (Emotiv EPOC) عند ايماء الرأس في أربع اتجاهات (يمين، يسار، إلى الوراء، وإلى الأمام). في هذه البيانات تمت المقارنة بين ثلاثة خوارزميات لغرض تحسين اشارة التخطيط الكهربائي PCA، CAR، و CSP على البيانات المصفاة التي تنتج من Sinc digital band pass filter (اس 5) وعرض النطاق الترددي للبيانات التي تمت تصفيتها هو (0،4 حتى 45) هرتز. وكانت دقة الناتجة من الخوارزميات الثلاثة، وذلك باستخدام طريقة التصنيف SVM، تعادل 94.2٪، 85,4٪، و78,2٪ على التوالي.
” الترابط بين الدماغ والحاسبة المستند الى اشارة التخطيط الكهربائي للدماغ “
التي اعدتها طالبة الماجستير في قسم الهندسة الكهربائية – كلية الهندسة / جامعة بغداد اروى رعد عبيد كجزء من متطلبات نيل درجة الماجستير في علوم الهندسة الكهربائية وبإشراف الاستاذ المساعد الدكتور صادق جاسم ابو اللوخ يوم الثلاثاء المصادف 11/4/2017.تكونت لجنة المناقشة لهذه الرسالة من الاستاذ المساعد الدكتور زينب توفيق باقررئيساُ وعضوية الاستاذ المساعد الدكتور انس قصي هاشم و الاستاذ المساعد الدكتور نمير أحمد فؤاد.
مستخلص رسالة الطالب كالاتي:
الترابط بين الدماغ والحاسبة (BCI) أستخدمت على نطاق واسع من قبل العديد من الباحثين باستخدام أساليب مختلفة لتحقيق نظام سريع ودقيق. تقنية التخطيط الكهربائي للدماغ (EEG) هي الأداة الأساسية لتمثيل أنشطة الدماغ عن طريق الاشارات الكهربائية التي ستلعب دورا بارزا في تصميم نظام (BCI).
في هذه الأطروحة، استخدمت ثلاث مجموعات من البيانات لتقييم اداء الخوارزميات المستخدمة من حيث الدقة. أولا، مجموعة البيانات الأولى التي تم تسجيلها من 9 اشخاص اثناء تخيل حركة اليد اليسرى واليد اليمنى، تمت المقارنة بين ثلاث خوارزميات للتصنيف؛ Naive Bayes (NB)، K-Nearest Neighbor (KNN)، و Support Vector Machine (SVM). تم استخدام Butterworth filter ( اس 4) لاستخراج نطاق التردد (8-30) هرتز، و تم تحسين اشارة التخطيط الكهربائي باستخدام خوارزمية Common Spatial Pattern(CSP). كانت الدقة عند استخدام طرق التصنيف الثلاثة تساوي 80.7٪، 82.34٪، 75.68٪ على التوالي.
ثانيا، تم جمع مجموعة البيانات الثانيه من دماغ شخص عند تحريك اليد اليسرى واليد اليمنى بشكل عشوائي. أيضا، تمت المقارنة بين ثلاثة خوارزميات لتحسين اشارة التخطيط الكهربائي للدماغ وتقليل الضوضاء فيها وهذه الخوارزميات هي Common Average Reference (CAR)، Principal Component Analysis (PCA)، وCSP على البيانات المصفاة التي تنتج من Digital band pass filter (اس 4) باستخدام SVM. كانت دقة الخوارزميات 89.5٪، 98.21٪، و5,94٪ على التوالي.
أخيرا، تم جمع مجموعة البيانات الثالثة باستخدام جهاز التخطيط الكهربائي الاقتصادي (Emotiv EPOC) عند ايماء الرأس في أربع اتجاهات (يمين، يسار، إلى الوراء، وإلى الأمام). في هذه البيانات تمت المقارنة بين ثلاثة خوارزميات لغرض تحسين اشارة التخطيط الكهربائي PCA، CAR، و CSP على البيانات المصفاة التي تنتج من Sinc digital band pass filter (اس 5) وعرض النطاق الترددي للبيانات التي تمت تصفيتها هو (0،4 حتى 45) هرتز. وكانت دقة الناتجة من الخوارزميات الثلاثة، وذلك باستخدام طريقة التصنيف SVM، تعادل 94.2٪، 85,4٪، و78,2٪ على التوالي.
