عنوان پایان‌نامه
تعیین گروه الکترودهای مناسب جهت تحلیل سیگنالهای مغزی به منظور شناسایی کودکان Dyslexic
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2694;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68946;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68946
- تاریخ دفاع
- ۲۵ خرداد ۱۳۹۴
- دانشجو
- رویا خیرخواه شالی
- استاد راهنما
- سیدکمال الدین ستاره دان
- چکیده
- بدون تردید "خواندن" مهمترین و پیچیده‌ترین فعالیت آموزشی کودکان در سالهای آغازین مدرسه است. زمانی که آموزش خواندن به طور جدی شروع میشود به ویژه هنگامی که جملات و عبارات با تصاویر و نقاشی‌های گویا همراه نیست، دیده میشود که بعضی از کودکان در زمینه ی خواندن با مشکل مواجه بوده و نیازمند کمک و راهنمایی هستند. مسئله ی اختلال در خواند ن یا "نارسا خوانی " زمانی مطرح است که کودک از نظر شنوایی، بینایی و ذهنی دچار مشکل نباشد. رایجترین اثر نارساخوانی، کندخوانی و در نتیجه ی آن کمتر بودن سرعت یادگیری این افراد نسبت به افراد سالم در گروه سنی یکسان است. خوشبختانه در سالهای اخیر با شناخت این بیماری و علایم آن تلاشهای بسیاری در جهت تشخیص این افراد در کودکی و اعمال درمان مناسب روی ایشان صورت گرفته است. تشخیص نارساخوانی تحت مجموعهای از ارزیابی ها حاصل میشود شامل تست هوش، ارزشیابی تحصیلی، آزمونهای زبانی-کلامی، بررسی حافظه ی دیداری و نظرات خانواده و آموزگاران. در این میان، بررسی نحوهی عملکرد مغز نقشی اساسی ایفا میکند. از بین ابزارهای موجود و مورد استفاده در کارهای تحقیقاتی، ثبت و پردازش سیگنالهای مغزی (Electroencephalography (EEG)) دارای مزایای متعددی از جمله رزولوشن زمانی بالا، سادگی سیستم، هزینه ی کم هر بار آزمایش، پرتابل بودن دستگاه و ... میباشد. از طرف مقابل رزولوشن مکانی سیستم EEG پایین بوده و تعداد زیاد الکترودهای مورد استفاده در سیستم استاندارد 20-10 بعلت افزایش آرتیفکت ها و نویزها سبب بروز خطا در اندازهگیری و طبقه بندی میگردد. بنابر آنچه گفته شد چالش اساسی در این پژوهش، پردازش سیگنالهای EEG ثبت شده از کودکان سالم و کودکان مبتلا به نارساخوانی، طبقه بندی آنها و تعیین گروه کوچکتری از الکترودهای مورد نیاز است. در این تحقیق برای طبقه بندی داده ها از دو ابزار ماشین بردار پشتیبان و طبقه بند بی ز استفاده کردیم. کاهش الکترودها نیز بر مبنای روشهای MI و Filter-based صورت گرفته است. در نهایت نشان دادهایم که کاهش تعداد الکترودها علاوه بر آسانتر و عملیتر نمودن روش آزمایش، میتواند به دلیل حذف کانالهای نامربوط و حفظ کانالهایی که اطلاعات مرتبط بیشتری دارند موجب بهبود صحت طبقهبندی شود. واژههای کلیدی: نارساخوانی، پردازش سیگنالهای مغزی، استاندارد 20-10، طبقه بندی، کاهش الکترود.
- Abstract
- In this research, we determine the smaller group of electrodes for Identification Dyslexic Patients by EEG recording and the most effective method available for electrode reduction. Reduction the number of electrodes makes the test easier and more practical and due to removal of the irrelevant channels; classification accuracy usually will improve. Some of common channel reduction methods are Spatially Sparse Common Spatial Pattern (SSCSP), ICA, filter-based methods and wrapper-based method. Mutual Information is one of the subsets of filter-based methods that was assumed to be suitable for research goals. Correlation Coefficients and entropy measures are two methods that were used to evaluating electrode subsets. Correlation Coefficients technique have been able to reduce the number of electrodes to 2-6 ones according to its signal and increase or save the initially CCRs. The goal of this research is applying reduced electrodes on children with a disturbance in reading or "Dyslexia". This failure is the time when the child is not suffering from any mental retardation, hearing and vision problems, but s/he cannot able to read correctly and fast. Dyslexic children are not perfect due to the lack of proper control of their movements. Thus reducing the number of connections decrease the possibility of measurement error. Finally we applied selected electrodes on dyslexic children and reached to increased or saved CCRs for classification of subjects. KEYWORDS: EEG, Electrodes, Classification, Dyslexia, Correlation coefficient.
