کلاسه‌‎بندی چند کلاسه‎‌ی تصور کلمات فارسی در سیگنال‎‌های مغزی

نویسندگان

1 دانشجوی دکتری مخابرات ،پژوهشکده برق و فناوری ‎اطلاعات، سازمان پژوهشهای علمی و صنعتی ایران، تهران، ایران

2 استادیار،پژوهشکده برق و فناوری ‎اطلاعات، سازمان پژوهشهای علمی و صنعتی ایران، تهران، ایران

3 دانشیار،پژوهشکده برق و فناوری ‎اطلاعات، سازمان پژوهشهای علمی و صنعتی ایران، تهران، ایران

doi
چکیده

گفتار یا مکالمه خاموش  فرایندی است که فرد بدون حرکت دادن عضلات خود برای گفتن کلمه، صدای کلمات را تصور می‌کند. استفاده از سیگنال‌های مغزی شخصی که در حال گفتار خاموش می‌باشد برای تشخیص کلمات واقعی در نظر گرفته شده، می‌تواند گامی بزرگ در جهت کمک به افراد دارای ناتوانی جسمی (مانند سندرم قفل شدگی) برای برقراری ارتباط مؤثر با دیگران باشد. پیشرفت‌های اخیر در فن آوری‌ها و دستگاه‌های ضبط سیگنال‌های مغز، به ویژه الکتروانسفالوگرام (EEG)، این تحقیق را در شناخت گفتار خاموش ممکن کرده است. در حالی که این تحقیقات در گام‌های اولیه است، مطالعات منتشر شده نتایج امیدوار کننده‌ای را نشان داده‌اند.اگرچه در سطح بین المللی فعالیت‌های متعددی برای شناسایی اصوات در مکالمه خاموش صورت گرفته، ولی تا کنون برای کلمات فارسی کار زیادی انجام نشده است. در این پژوهش سعی کرده‌‎ایم پس از طرح آزمایش و ثبت داده‌‎ها، با روش‌های کلاسه بندی گوناگون و با استناد به ویژگی‌های متنوع، تشخیص بین چند کلمه فارسی انجام گردد. 6 کلمه پر کاربرد فارسی و سکوت برای این منظور انتخاب شده‌‎اند. دقت‎‌های بدست آمده شامل متوسط 60% برای تفکیک بین دو کلمه، متوسط 40% برای تفکیک بین دوکلمه به همراه سکوت و 33%برای 6 کلمه و سکوت روی دادگان دراز مدت است.  این مقادیر بالاتر از متوسط احتمال موفقیت در انتخاب تصادفی ( به ترتیب 50 و  33 و 14درصد) هستند. بعلاوه نتایج حاصل نشان دهندۀ تاثیر بالای عامل "زمان" بر دقت کلاسه‎بندی است بطوری که سیگنال‎‌های با فاصله زمانی زیاد براحتی و با دقت بسیار بالا از یکدیگر تفکیک می‎‌شوند، حتی اگر مربوط به یک فعالیت باشند. برعکس تمایز بین سیگنال‎‌های تقریباً همزمان، حتی هنگام تصور دو کلمۀ متفاوت بسیار مشکل است. همچنین ملاحظه شد که در تمام موارد قدرت تفکیک با افزایش تعداد کانال‎‌های داده افزایش می‎‌یابد.