✅ واسط مغز و رایانه:
در طی دو دهه گذشته تعداد گروه‌هایی که بر روی BCI کار می‌کنند افزایش یافته‌است. کشف یافته‌های جدید درباره عملکرد مغز، ارزان شدن و در دسترس بودن تجهیزات رایانه‌ای و نیاز افراد #معلول به این سیستم ارتباطی باعث بیشتر شدن این گروه‌های تحقیقاتی شده‌است.
امروزه، سیستم‌های BCI یک روش ارتباطی بدون دخالت ماهیچه را در اختیار بشر قرار می‌دهند تا بتوانند مستقیماً با محیط پیرامون خود ارتباط برقرار کنند.
یک سیستم BCI از مجموعه‌ای از حسگرها و اجزای پردازش سیگنال تشکیل می‌شود که #فعالیت_مغزی فرد را مستقیماً به یک سری سیگنال‌های ارتباطی یا کنترلی تبدیل می‌کند. این فناوری یک واسط مستقیم را بین مغز و رایانه فراهم می‌کند.
در این سامانه ابتدا باید امواج مغزی را با استفاده از دستگاه‌های ثبت امواج مغزی ثبت کرد که معمولاً به دلیل #دقت_زمانی بالا و ارزان بودن و همچنین استفاده آسان، از الکتروانسفالوگرافی برای ثبت امواج مغزی استفاده می‌شود. الکترودهای EEG در سطح پوست سر قرار می‌گیرند و میدان الکتریکی حاصل از فعالیت نورون‌ها را اندازه‌گیری می‌کنند. در مرحله بعد این امواج بررسی شده و ویژگی‌های موردنظر استخراج می‌شود و از روی این ویژگی‌ها می‌توان حدس زد که کاربر چه فعالیتی را در نظر دارد.
در اولین همایش بین‌المللی که در ژون ۱۹۹۹ برگزار شد یک تعریف فرمال برای BCI به صورت زیر ارائه شد: «یک واسط مغز و رایانه یک سامانه ارتباطی است که وابسته به مسیرهای خروجی نرمال سامانه عصبی جانبی و ماهیچه‌ها نیست.»

🔷تاریخچه
تاریخچه BCI به فردی به نام هنز برگرHans Berger و نوار مغزی (سیگنال الکتروانسفالوگرافی) برمیگردد.
#الکتروانسفالوگرافی یا EEG ثبت فعالیت‌های الکتریکی مغز است. اولین بار ماهیت الکتریکی بودن این سیگنال‌ها توسط هنز برگر کشف شد. یکی از سیگنال‌هایی که او کشف کرد امواج آلفا مغزی بود (در فرکانس ۸ تا ۱۳ هرتز).
اولین بار هنز برگر از سیم‌های نقره ای در زیر جمجمه بیماران خود به عنوان الکترود استفاده کرد و از دستگاه لیپمن (وسیله‌ای برای اندازه‌گیری تحریکات الکتریکی بسیار کم) برای اندازه‌گیری پتانسیل الکتریکی استفاده کرد. اما حتی با سیم پیچ‌های نقره‌ای نیز نتوانست چیزی به دست آورد. سپس ازگالوانومتر‌های دقیقتری مثل دستگاه شرکت زیمنس که تا یک ده هزارم ولتاژ را هم آشکار می‌کرد استفاده کرد که مؤثر واقع شد.

🔷سامانه BCI از اجزای زیر تشکیل می‌شود:
- مرحله جمع‌آوری داده‌ها
این مرحله شامل ثبت اطلاعات خام EEG است که از الکترودها در مکان‌های مشخصی از مغز گرفته می‌شود و ورودی سیستم BCI را تشکیل می‌دهد. انتخاب‌هایی نظیر تعداد، مکان و تراکم الکترودها، کانال‌های ورودی را مشخص می‌کند. مرحله پیش پردازش از فاز جمع‌آوری شامل تقویت کردن، فیلتر کردن و تبدیل سیگنال آنالوگ به دیجیتال است.
- مرحله بعدی، یک مرحلهٔ بهینه‌سازی اطلاعات است که به صورت اختیاری صورت می‌گیرد و شامل بهبود نسبت سیگنال به نویز، با حذف آرتیفکت و کاهش افزونگی اطلاعاتی است که از کانال‌های EEG دریافت می‌شود.
- مرحله استخراج ویژگی
این مرحله مهم‌ترین مرحله در هر سیستم BCI است. این مرحله شامل استخراج ویژگی‌های وابسته به دستور و قابل تفکیک از سیگنال‌های EEG حاصل از مرحلهٔ پیش پردازش است که برای این استخراج ویژگی از الگوریتم‌های پردازش سیگنال‌های دیجیتال استفاده می‌شود.
ویژگی خوب ویژگی است که مقدار متفاوتی در کلاسهای مختلف داشته باشد. هر چقدر این اختلاف بیشتر باشد قابلیت تفکیک ویژگی افزایش می یابد.
- مرحله کلاس بندی
در این مرحله ویژگی های استخراج شده به کلاسبند داده میشود و کلاس‌بند طبق آموزشهایی که در مرحله آموزش دیده یک خروجی تولید می کند.
برای کلاسبندی میتوان از یک حد آستانه بسیار ساده استفاده کرد تا الگوریتهای بهینه مثل svm و knn ، شبکه های عصبی استفاده کرد.
- کنترل وسیله
خروجی مرحله کلاس بندی ورودی کنترلی وسیله‌است. فرایند کنترل وسیله، خروجی کلاس بندی را به یک عمل از وسیله تبدیل می‌کند. خروجی میتواند طوری باشد که وسیله عملی را انجام ندهد و صرفا به خاطر انجام دادن کاری به وسیله داده نمیشود.

🔷امواج مغزی:
سیگنال‌های EEG که می‌توان به عنوان ورودی سیستم BCI استفاده کرد را می‌توان به دسته‌های زیر تقسیم کرد:
- فعالیت‌های مغزی ریتمیک
- پتانسیل‌های برانگیخته
https://en.wikipedia.org/wiki/Brain%E2%80%93computer_interface

➖➖➖➖➖
@IUST_Bioelecteric

📚 واسط مغز و کامپیوتر
📌 جلسه 9: #BCI9
🔹الکتروانسفالوگرافی (EEG)
در این بخش سیگنال EEG توضیح داده شده و انواع ریتمهای EEG معرفی و به طور کامل توضیح داده شده است.
https://onlinebme.com/unit/%D9%8D%D9%8Deeg/?id=1242
👨‍💻نویسنده: محمد نوری زاده چرلو
#مهندسی_پزشکی
#واسط_مغز_کامپیوتر
#الکتروانسفالوگرافی
در ورکشاپ پردازش سیگنال EEG با دید یادگیری ماشین روشهای پایه و اصولی تجزیه و تحلیل سیگنال EEG در متلب پیاده سازی و آموزش داده خواهد شد تا شرکت کنندگان با انجام چندین پروژه عملی مباحث را یاد گرفته و بتوانند پروژه های خودشون را در آن راستا انجام دهند.
در روزهای آینده ثبت این ورکشاپ شروع خواهد شد.
#EEG
#BCI
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @onlineBME