فهرست نشریات علمی دسترسی آزاد ایران

شناسایی سیگنال‌های الکتروانسفالوگرافی (EEG) مربوط به تصور حرکت، جنبه‌ای حیاتی در ارزیابی‌های اختلالات شناختی در زمینه تحقیقاتی رابط مغز-رایانه (BCI) است. تنوع ذاتی این سیگنال‌ها در افراد مختلف، چالش بزرگی در توسعه مدل‌هایی ایجاد می‌کند که بتوانند به‌طور دقیق آن‌ها را شناسایی و تفسیر کنند. علاوه بر این، توانایی شناسایی تصور حرکت با استفاده از مدت زمان‌های کوتاه‌تر سیگنال، برای افزایش قابلیت اعتماد و کاربردپذیری سیستم‌های BCI اهمیت زیادی دارد. در این مطالعه، یک مدل هیبریدی نوآورانه پیشنهاد می‌شود که معماری‌های Transformer و EEGNet را برای طبقه‌بندی سیگنال‌های EEG تصور حرکتی ترکیب می‌کند. ادغام این دو معماری، به مدل ما این امکان را می‌دهد که از ویژگی‌های فضایی و زمانی موجود در داده‌های EEG استفاده کند. پژوهش انجام شده نتایج امیدوارکننده‌ای را نشان می‌دهد که در آن دقت 66.9% برای ترایال 2 ثانیه‌ای با ارزیابی میان گروهی با استفاده از مجموعه داده Physionet  به‌دست می‌آورد. ارزیابی‌های مقایسه‌ای در برابر مدل‌های پیشرفته نشان می‌دهند که عملکرد روش پیشنهادی به‌ویژه در دستیابی به معیارهای قابل توجه با مدت زمان‌های ترایال کوتاه‌تر، برتری دارد.