شناسایی حالت های عاطفی تصور شده ی ذهنی با استفاده از هم جوشی نتایج سیگنال های فیزیولوژیکی چندگانه
محل انتشار: نشریه ی مهندسی پزشکی زیستی، دوره: 8، شماره: 4
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 95
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBM-8-4_003
تاریخ نمایه سازی: 20 اسفند 1404
چکیده مقاله:
در این پژوهش همجوشی نتایج سیگنالهای فیزیولوژیکی چندگانه برای طراحی یک سیستم شناسایی حالتهای عاطفی با استفادهاز مجموعهی داده MIT پیشنهاد شد. چهار نوع از سیگنالهای فیزیولوژیکی، شامل فشار حجم خون (BVP)، نرختنفس (RSP)، هدایت پوست (SC) و سیگنال فعالیت عضلات صورت (fEMG) به عنوان سیگنالهای عاطفی مورد استفاده قرارگرفتند. برای جمعآوری مجموعهی داده بیان شده، محققان از روش تصور ذهنی برای ایجاد حالتهای عاطفی مورد نظر از یک نفر استفاده و به طور همزمان سیگنالهای فیزیولوژیکی متناظر را ثبت کردهاند. در این مطالعه، بهترین ویژگیهای هریک از سیگنالها از بین ویژگیهای زمانی و فرکانسی محاسبه شده، تعیین شد. بدین منظور، روشهای انتخاب ویژگی ترتیبی شناور رو به جلو (SFFS) و RELIEF مورد ارزیابی قرار گرفتند. مجموعهی ویژگی جدید تشکیل شده با ترکیب ویژگیهای انتخاب شده، سپس به سه زیرمجموعه تفکیک شد. هر زیر مجموعه برای شناسایی حالتهای عاطفی مورد نظر به یک واحد طبقهبندی اعمال شد. نتایج به دست آمده از زیر سیستمها با اعمال روش بیشترین آرا ترکیب شد. سه روش طبقهبندی شامل SVM، LDA و KNN برای طراحی سیستم شناسایی حالتهای عاطفی ارزیابی شدند. نتایج به دست آمده حاکیاز عملکرد قابل ملاحظه سیستم در شناسایی حالتهای مورد نظر با دقت و سرعت پاسخدهی قابل قبول است. با روش انتخاب ویژگی RELIEF به همراه طبقهبندی کننده SVM، دقت کلی شناسایی ۸/۹۳ % به دست آمد که بهتر از نتایج گزارش شده با پایگاه داده بیان شده تاکنون است.
کلیدواژه ها:
نویسندگان
مهدی خضری
دانشجوی دکتری مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران
سید محمد فیروزآبادی
استاد، گروه فیزیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران
سید احمدرضا شرافت
استاد، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :