توسعه‌ی یک سیستم واسط مغز- کامپیوتر مبتنی بر پتانسیل برانگیخته‌ی بینایی حالت ماندگار برای تایپ متون فارسی

نوع مقاله : مقاله های پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد،گروه بیوالکتریک، دانشکده‌ی مهندسی پزشکی، دانشگاه سمنان، سمنان، ایران

2 استادیار،گروه بیوالکتریک، دانشکده‌ی مهندسی پزشکی، دانشگاه سمنان، سمنان، ایران

چکیده

چکیدهمقدمه: سیستم‌های واسط مغز- کامپیوتر (Brain-computer interface یا BCI) برای بیمارانی که قادر به استفاده از عضلات خود نیستند، امکان برقراری ارتباط بین مغز و دنیای پیرامون از طریق ایجاد یک کانال مصنوعی را فراهم می‌سازد. از بین انواع واسط‌های مغز- کامپیوتر که به عنوان هجی‌ کننده کاربرد دارند، می‌توان به واسط‌های مبتنی بر پتانسیل برانگیخته‌ی بینایی حالت ماندگار (Steady-state visually evoked potentials یا SSVEP) اشاره کرد که در سال‌های اخیر بسیار مورد توجه بوده است.روش‌ها: در این پژوهش، از الگوهای تحریک مبتنی بر کد بریل با هشت نشانه‌ی چشمک‌زن استفاده گردید. برای ایجاد تحریک بینایی، از جعبه ابزار Psychophysics نرم‌افزار MATLAB استفاده شد. استخراج ویژگی بر اساس روش Fast Fourier transform (FFT) و طبقه‌بندی مبتنی بر بیشینه‌ی مقدار انجام گردید.یافته‌ها: با استفاده از پاسخ مغزی SSVEP و کدهای بریل، دستیابی به نرخ انتقال اطلاعات 632/19 بیت بر دقیقه و صحت 67/96 درصد میسر گردید.نتیجه‌گیری: سیستم طراحی شده به دلیل مزایایی از جمله ثبت سیگنال به صورت تک الکترودی، کم بودن تعداد فرکانس‌های تحریک و قابلیت تنظیم پارامترهایی از جمله زمان استراحت بین انتخاب تحریک‌ها، بسیار کارآمد و کاربرپسند است.

کلیدواژه‌ها

عنوان مقاله [English]

Development of a Steady-State Visually Evoked Potential (SSVEP)-Based Brain-Computer Interface for Typing Persian Texts

نویسندگان [English]

  • Fatemeh Ahaninjan 1
  • Ali Maleki 2
1 MSc Student, Department of Bioelectric, School of Biomedical Engineering, Semnan University, Semnan, Iran
2 Assistant Professor, Department of Bioelectric, School of Biomedical Engineering, Semnan University, Semnan, Iran
چکیده [English]

AbstractBackground: For disabled patients who are unable to use their muscles, brain-computer interface (BCI) systems can be used to establish a channel between their brain and outside world. Steady-state visually evoked potentials (SSVEP)-based interfaces are of brain-computer interface-spellers noted in recent years.Methods: In this study, stimulation patterns based on Braille code with eight flickering cues were used. MATLAB psychtoolbox was used for construction of the visual stimulation. Fast Fourier transform (FFT) method and maximum classifier were used for feature extraction and classification, respectively.Findings: We achieved 96.67% of classification accuracy and information transfer rate of 19.632 bit per minute using Steady-state visually evoked potentials brain response and Braille code.Conclusion: Because of advantages such as single electrode signal recording, low number of excitation frequencies and adjustable parameters such as rest time between the stimulations, designed system is highly efficient and user friendly.

کلیدواژه‌ها [English]

  • Brain-computer interface
  • Steady-state visual evoked potential
  • Persian text typing

مراجع

  1. Cao T, Wang X, Wang B, Wong CM, Wan F, Mak PU, et al. A high rate online SSVEP based brain-computer interface speller. Proceedings of the 5th International Conference IEEE/EMBS; 2011 Apr 27-May 1; Cancun, Mexico.
  2. Vilic A, Kjaer TW, Thomsen CE, Sorensen HB. DTU BCI speller: An SSVEP-based spelling system with dictionary support. Proceedings of the 35th Annual International Conference of the IEEE EMBS; 2013 Jul 3-7; Osaka, Japan.
  3. Won DO, Zhang HH, Guan C, Lee SW. A BCI speller based on SSVEP using high frequency stimuli design. Proceeding of the IEEE International Conference on Systems, Man and Cybernetics (SMC); 2014 Oct 5-8; San Diego, CA.
  4. Resalat SN, Setarehdan SK. An improved SSVEP based BCI system using frequency domain feature classification. Am J Biomed Eng 2013; 3(1): 1-8.
  5. Iscan Z, Dokur Z. A novel steady-state visually evoked potential-based brain-computer interface design: Character Plotter. Biomed Signal Process Control 2014; 10: 145-52.
  6. Brainard D, Ingling A, Kleiner M, Murray R, Pelli D, Broussard C. What's new in psychtoolbox-3. Perception 2007; 36(14): 1-16.
  7. Pires G, Nunes U, Castelo-Branco M. Comparison of a row-column speller vs. a novel lateral single-character speller: assessment of BCI for severe motor disabled patients. Clin Neurophysiol 2012; 123(6): 1168-81.
  8. Speier W, Deshpande A, Pouratian N. A method for optimizing EEG electrode number and configuration for signal acquisition in P300 speller systems. Clin Neurophysiol 2015; 126(6): 1171-7.
  9. Xu M, Qi H, Zhang L, Ming D. The parallel-BCI speller based on the P300 and SSVEP features. Proceedings of the 6th International Conference on IEEE EMBS Neural Engineering; 2013 Nov 6-8; Marina, CA.
  10. Hassanien AE, Azar AT. Brain-Computer Interfaces: Current Trends and Applications. Berlin, Germany: Springer; 2014.
مجله دانشکده پزشکی اصفهان
دوره 34، شماره 393 - شماره پیاپی 393
مهر و آبان 1395
صفحه 914-918

فایل ها

سابقه مقاله

  • تاریخ دریافت: 28 تیر 1395
  • تاریخ بازنگری: 11 آبان 1403
  • تاریخ پذیرش: 17 فروردین 1401

هم رسانی

ارجاع به این مقاله

آمار