واسط مغز-کامپیوتر مبتنی بر SSVEP
دوره واسط مغز و کامپیوتر مبتنی بر SSVEP یک دوره کاملا تخصصی و پروژه محور هست که در آن روشهای تشخیص فرکانس SSVEP از روی سیگنال EEG طبق مقالات تخصصی آموزش داده شده است. هدف اصلی در واسط مغز-کامپیوتر مبتنی بر SSVEP تشخیص فرکانس SSVEP هست. ما در دوره تخصصی و پروژه محور BCI مبتنی بر SSVEP روشهای زیادی را طبق مقالات تخصصی مرحله به مرحله آموزش داده و روی یک پایگاه داده واقعی اعمال کرده ایم. فقط در فصل دوم این دوره 5 مقاله معتبر تخصصی مرحله به مرحله پیاده سازی شده است!
دورهی BCI مبتنی بر SSVEP
اگر یک محرک بینایی ( مثل چراغ چشمک زن ) داشته باشیم و صفحه نمایشگر این محرک بینایی با یک فرکانس خاصی بزرگتر از 6 هرتز روشن خاموش شود و به این صفحه نمایشگر خیره شویم، در نتیجه این مغز ما در پاسخ به این محرک بینایی یه پتانسیلی به نام SSVEP تولید می کند که این پتانسیل هم فرکانس با چراغ محرک یا هارمونیکهای آن خواهد بود.
که این پتانسیل در ناحیه بینایی مغز(visual cortex) بیشتر از سایر نواحی مغز مشاهده می شود.
SSVEP مخفف Steady State Visual Evoked Potential می باشد، پتانسیل برانگیخته بینایی حالت پایدار، و پاسخ نورلوژیکی مغز به یک محرک بینایی است. در حوزه واسط مغز-کامپیوتر از این خاصیت مغز به طور عمده جهت کمک به افراد ناتوان استفاده می‌کنند. برای این منظور در هر BCI مبتنی بر SSVEP تعدادی محرکهای بینایی در نظر میگیرند که صفحه نمایشگر هر کدام از این محرکهای بینایی با فرکانس متفاوتی (بیشتر از 6 هرتز) روشن خاموش میشوند و یک کلاه EEG هم روی سر فرد قرار میگیرد و از فرد خواسته می شود که به یکی از این محرکهای بینایی خیره شود و و همزمان که فرد به این محرکهای بینایی نگاه میکند سیگنال مغزی فرد نیز ثبت می‌شود.
در نتیجه خیره شدن فرد به این محرکهای بینایی SSVEP مربوط به محرک ایجاد شده و همراه با سایر فعالیتهای مغزی ثبت می‌شود. سپس واسط مغز کامیپوتر این سیگنال EEG را دریافت کرده و تجزیه و تحلیل میکند و تشخیص میدهد که فرکانس SSVEP چقدر هست یا به عبارتی فرد به کدام محرک بینایی نگاه کرده است و آنرا به یک دستوری کنترلی تبدیل کرده و Deviceی را کنترل میکند.
در این دوره روشهای رایج در زمینه تشخیص فرکانسSSVEP را طبق مقالات تخصصی آموزش داده و مرحله به مرحله پیاده‌سازی کرده ایم و سپس روی یک پایگاه داده واقعی اعمال کرده ایم تا عملکرد هر الگوریتم را در پروژه های عملی ارزیابی کنیم و دید بهتری به مزایا و معایب الگوریتم پیاده سازی شده پیدا کنیم.
در این دوره مطالب از پایه شروع شده و مرحله به مرحله مباحث آموزش داده شده اند.
فهرست مطالب
دوره BCI مبتنی بر SSVEP شامل چهار فصل است که به ترتیب زیر است:فصل اول: مقدمه
- مقدمه ای بر واسط مغز-کامپیوتر
- واسط مغز-کامپیوتر مبتنی بر SSVEP
- الکتروانسفالوگرافی و SSVEP
- معرفی پایگاه داده و تبدیل آن از فرمت .gdfبه .mat
فصل دوم: الگوریتمهای تشخیص فرکانس SSVEP
- پیش پردازش سیگنال EEG مبتنی بر SSVEP
- پیاده سازی گام به گام الگوریتم تجزیه چگالی طیف توان (PSDA)
- پیاده سازی گام به گام الگوریتم تجزیه همبستگی کانونی( CCA)
- پیاده سازی گام به گام الگوریتم شاخص همگامی چندمتغیره( MSI)
- پیاده سازی گام به گام الگوریتم Fusing CCA
- پیاده سازی گام به گام الگوریتم Filter Bank CCA(FBCCA)
فصل سوم: تشخیص فرکانس ssvep به روشهای مبتنی بر یادگیری ماشین
- استخراج ویژگی هدفمند از سیگنال EEG مبتنی بر SSVEP در حوزه فرکانس
- طبقه بندی سیگنال EEG بر SSVEP با KNN
- طبقه بندی سیگنال EEG بر SSVEP با SVM
- طبقه بندی سیگنال EEG بر SSVEP با Decision Tree
- انتخاب ویژگی
فصل چهارم : ترکیب الگوریتم CCA با روشهای مبتنی بر یادگیری ماشین
- نحوه استخراج ویژگی با CCA
- طبقه بندی
دوره کاملا تخصصی و پروژه محور است و چندین مقاله تخصصی پیاده سازی شده است.
محتوای پکیج:
- ویدیوهای آموزشی
- کتب و مقالات تخصصی مرجع
- جزوه دست نویس مدرس
- پایگاه داده استفاده شده
- کدهای پیاده سازی شده برای پروژه ها و مقالات تخصصی
- مدت زمان دوره: 33 ساعت
- مدرس: محمد نوری زاده چرلو
- فارغ التحصیل دانشگاه علم و صنعت تهران
- پیش نیاز دوره: دوره برنامه نویسی متلب+ پردازش سیگنال مغزی(برای فصل سوم و چهارم دوره)
دوره های مرتبط
پردازش سیگنال مغزی(EEG)
محمد نوری زاده چرلو 
پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی
پکیج جامع شناسایی الگو و یادگیری ماشین( فصل های اول تا چهارم- از بیزین تا SVM)
شناسایی الگو (فصل پنجم): یادگیری جمعی (Ensemble learning)
شناسایی الگو(فصل هفتم): انتخاب ویژگی (feature selection)
