تطوير نظام للتعرف البيومتري قائم على إشارات (EEG) باستخدام معمارية هجينة (CNN-LSTM) وآلية انتباه الأقطاب

الملخص

تعد إشارات تخطيط كهرباء الدماغ (EEG) وسيلة واعدة ومقاومة للتزييف في أنظمة التعرف البيومتري وتحديد الهوية. إلا أنَّ قابليتها للتطبيق العملي تعيقها تحديات انخفاض نسبة الإشارة للضجيج، التعقيد الحسابي، والتكلفة العالية للأجهزة ذات الأقطاب الكثيفة. للتغلب على هذه التحديات، تقترح الدراسة معمارية تعلم عميق هجينة ومبتكرة (CNN-LSTM) مدعومة بآلية انتباه الأقطاب المكانية، مصممة للعمل بكفاءة على أجهزة استهلاكية مزودة بـ 14 قطب فقط. اعتمدت الدراسة على استخلاص إشارات "الراحة مع إغلاق العينين" لـواحد وعشرين مشاركاً، بتطبيق بروتوكول تقسيم زمني صارم يمنع تسريب البيانات كلياً. يجمع النظام بفعالية بين الطبقات الالتفافية لاستخراج السمات الفراغية، والشبكات التكرارية لنمذجة التسلسل الزمني. أظهرت النتائج التجريبية قدرة النموذج على فك تشفير الأنماط الزمانية والمكانية اللاخطية، محققاً دقة بلغت 99.71% على بيانات اختبار مستقلة تماماً، وبمتوسط دقة 99.79% عبر طيات التحقق المتقاطع الزمني. علاوة على ذلك، يتميز النموذج المقترح بوزنه الخفيف جداً (أقل من 20ألف معامل)، مما يجعله مناسباً للعمليات الحسابية منخفضة الطاقة وتطبيقات التعرف البيومترية المستمرة في الزمن الفعلي بشكل آمن.