BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
URL: http://tumj.tums.ac.ir/article-1-290-fa.html
2- گروه جراحی اعصاب، بیمارستان شریعتی دانشگاه علوم پزشکی تهران ،
روش بررسی: پروسه طبقه‌بندی اسپایک‌های نرونی، عموماً از سه مرحله آشکارسازی، استخراج ویژگی و طبقه‌بندی تشکیل شده است. در این مقاله ابتدا با به‌کارگیری آماره‌های سیگنال، اسپایک‌ها را از داده خام اولیه جداسازی نمودیم (مرحله آشکارسازی) و در مرحله بعد، با انتخاب تعداد محدودی از اسپایک‌ها به‌عنوان نمونه (ویژگی)، به آموزش یک شبکه عصبی RBF، جهت طبقه‌بندی این سیگنال‌ها پرداختیم. ایده استفاده از شبکه‌های عصبی شعاعی، امکان غلبه بر مشکل عدم تفکیک‌پذیری خطی را که در غالب مسایل طبقه‌بندی سیگنال‌های نرونی وجود دارد، به‌وجود آورده است.
یافته‌ها: الگوریتم ارایه شده، قادر است پس از یادگیری تعداد محدودی اسپایک به‌عنوان نمونه، هر تعداد اسپایک را (از همان مجموعه آموخته شده) طبقه‌بندی نماید. نتایج به‌دست آمده از شبیه‌سازی‌ها نشان می‌دهند که گرچه این الگوریتم Radial Basis Spike Sorter (RBSS) دارای خطای مثبت- کاذبی تقریباً مشابه با سایر الگوریتم‌ها می‌باشد، با این حال در عین سادگی و با حفظ کمترین پیچیدگی محاسباتی، از سرعت نسبتاً بالاتری برخوردار است.
نتیجه‌گیری: الگوریتم طراحی شده، می‌تواند برای اهدافی که در آن‌ها به پردازش و طبقه‌بندی بلادرنگ اسپایک‌ها نیاز است، به‌کار برود.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
