ارائه دهنده: کیمیا شهبازی
استاد راهنما: دکتر زهرا بهمنی
استاد داور داخلی: دکتر محمدزاده
استاد داور خارج از دانشگاه: دکتر ابوالقاسمی 
تاریخ: 1402/12/23
ساعت: 9
مکان: ساختمان فنی مهندسی اتاق شورا 351

چكيده:
رابط‌ هاي غيرفعال مغز-كامپيوتر، وضعيت كاربران مانند حالات شناختي یا عاطفي آنها را از روي سيگنال‌هاي مغزيشان مي‌توانند تخمين بزنند و از این تخمين‌ها براي تطبيق سيستم تعامل انسان و رایانه استفاده كنند. هدف اصلي این رابط‌ ها، تشخيص تغييرات ناخواسته در وضعيت شناختي كاربر است كه این اطلاعات را به عنوان ورودي به سایر سيستم‌هاي تطبيقي مي‌دهد. از جمله وضعيت شناختي كاربر مي‌توان به سطح بار كاري ذهني او اشاره كرد. باركاري ذهني مقدار منابع ذهني یا شناختي مورد نياز براي برآوردن نيازهاي یك آزمون تعریف مي‌شود. در حال حاضر تحقيقات در این زمينه با یك چالش بزرگ روبه‌رو است. این چالش، طبقه‌بندي سطوح بار كاري توسط سيگنال مغزي EEG در جلسات متقاطع مي‌باشد. در این پژوهش به بررسي این چالش پرداختيم. به این منظور از پایگاه داده‌اي كه توسط كنفرانس Neuroergonomic سال2021 به اشتراك گذاشته شده بود، استفاده كردیم. این پایگاه داده شامل ثبت سيگنال EEG از 15 آزمودني در جلسات مجزا از هم با استفاده از آزمون MATB-II مي‌باشد. با توجه به وجود اختلاف در توزیع حاشيه‌اي و شرطي براي سيگنال‌هاي EEG در جلسات متقاطع، بهتر است داده‌ها به صورت مستقيم به طبقه‌بند اعمال نشود. در این پژوهش براي حل این مسئله، یك استراتژي به نام زیرفضاي تطبيقي در جلسات متقاطع (CSAS) ارائه شده است كه با ایجاد زیر فضاي جدید از داده‌هاي آموزش و تست، اختلاف توزیع حاشيه‌اي و شرطي كاهش مي‌یابد. از آن‌جایي كه دامنه مبدا هم تراز شده و توزیع مشابه‌اي با دامنه هدف دارد، دقت آن بهبود مي‌یابد. نتایج مدل CSAS را با طبقه‌بند رگرسيون لجستيك روي سه ویژگي توان، آنتروپي و مقدار قفل‌شدگي فاز در اتصالات عملكردي مقایسه كردیم. نتایج حاصل شده براي مدل CSAS در طبقه‌بندي سه حالت باري كاري پایين، متوسط و بالا با استفاده از دو ویژگي توان و آنتروپي به ترتيب برابر %58.9 و %59.8 كه در مقایسه با روش رگرسيون لجستيك بهبود قابل توجه‌اي داشته است. همچنين نتایج حاصل شده براي مدل CSAS براي مقدار قفل‌شدگي فاز –معياري از سنكروني فعاليت ثبت شده از كانال‌هاي مختلف مي‌باشد- در فركانس‌هاي مختلف حدود %33 تا %43 و براي طبقه‌بندي رگرسيون لجستيك حدود %33 تا %40 مي‌باشد. در طبقه‌بندي دو كلاسه، بهترین نتيجه به طبقه‌بندي بار كاري پایين و بالا اختصاص داشته كه صحتي برابر با %85 بدست آمده است. جداسازي باركاري متوسط و بالا سخت‌ترین حالت براي مدل بوده كه صحتي برابر با %67 داشته است. مي‌توان نتيجه گرفت كه مدل CSAS براي تخمين بار كاري ذهني با استفاده از ویژگي توان و آنتروپي، از سيگنال‌هاي EEG در جداسازي بار كاري پایين و بالا عملكرد قابل قبولي داشته است.