ارزیابی مدل‌های غیرخطی مبتنی بر توابع کرنل برای رمزگشایی نیرو با استفاده از سیگنال‌های پتانسیل میدانی محلی

Abstract

کنترل پروتز عصبی به منظور بازیابی عمل‌کرد دست افراد مبتلا به فلج اندام­های فوقانی، یکی از کاربردهای مهم سیستم­های BCI می‌باشد. توانایی گرفتن اجسام، از ابتدایی­ترین نیازها برای انجام کارهای روزانه بوده و از این رو برای عمل‌کرد صحیح پروتز عصبی، لازم است تا کاربر بتواند مقدار نیروی لازم برای گرفتن اجسام را کنترل کند. به همین دلیل افزایش دقت رمزگشایی پیوسته‌ی نیرو موضوعی مهم برای عمل‌کرد صحیح این نوع سیستم­های BCI می­باشد. در اغلب پژوهش­های صورت گرفته در زمینه‌ی رمزگشایی نیرو از مدل­های خطی مانند فیلتر وینر، فیلتر کالمن و PLS استفاده شده و تا کنون تاثیر استفاده از مدل­های غیرخطی بر دقت رمزگشایی نیرو مورد بررسی قرار نگرفته است. هدف این پژوهش، بررسی تاثیر استفاده از مدل­های رگرسیون غیرخطی مبتنی بر توابع کرنل بر دقت رمزگشایی نیروی دست موش صحرایی با استفاده از سیگنال­های پتانسیل میدانی محلی می­باشد. بدین منظور روش­های رگرسیون ستیغی، PCR و PLS در نظر گرفته شده و با استفاده از تابع کرنل گوسی، از تعمیم­یافته‌ی غیرخطی آن‌ها برای تخمین پیوسته‌ی نیرو بهره گرفته شده است. ارزیابی و مقایسه‌ی روش­های رگرسیون ستیغی کرنلی، PCR کرنلی و PLS کرنلی نشان می­دهد که در نظر گرفتن ارتباطات غیرخطی بین ویژگی­های سیگنال مغزی، دقت رمزگشایی نیرو را نسبت به مدل­های خطی بهبود می‌بخشد. درصد بهبود میانگین ضریب R² برابر با 7/12% برای روش رگرسیون ستیغی کرنلی نسبت به روش ستیغی، 5/25% برای روش PCR کرنلی نسبت به PCR و 1/19% برای روش PLS کرنلی نسبت به PLS به دست آمده است. بهترین دقت رمزگشایی نیرو نیز به ازای روش رگرسیون ستیغی کرنلی، با میانگین ضریب همبستگی 72% و مقدار R² برابر با 62/0 به دست آمده است.