تشخیص خواب آلودگی با استفاده از سیگنال EEG برمبنای آنالیزی نقشه های بازگشتی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,330
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECCONF01_059
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
با وجود تحقیقاتی که در زمینه تشخیص خواب آلودگی با استفااده ازسیگنال های مغزی انجام شده است اما مسئله تشخیص خوابآلودگی همچنان یک چالش جدی برای محققان به شمار می آید چراکه هنوز یک روش قابل اطمینان برای تشخیص خواب آلودگی وجودندارد.به دلیل ماهیت غیر خطی سیستم های بیولوژیکی اخیراًاستفاده از روش ها ی غیر خطی در پردازش سیگنال هایفیزولوژیکی محبوبیت زیادی پیدا کرده است. در این مقاله هدف ارائهیک روش جدید برمبنای آنالیز غیر خطی سیگنال EEG به منظورتشخیص خواب آلودگی می باشد. آنالیز کمی بازگشت (RQA) یکالگوریتم غیرخطی است که با استفاده از نقشه هایبازگشتی (RP) یک سیستم دینامیکی ویژگی های فضای فاز آنسیستم را کمی می کند. با درنظر گرفتن مغز به عنوان یک سیستمغیرخطی و سیگنال EEG به عنوان تظاهرات این سیستم، می توانبا اعمال این الگوریم به برخی تغییرات ایجاد شده در سیگنالEEG که ناشی از تغییر حالت ذهنی می باشد پی برد. خوابآلودگی یکی از این االات ذهنی است که باعث تغییر در نقشهبازگشتی مغز به عنوان یک سییستم دینامیکی شود.در این مقالهدوازده ویژگی استخراج شده از RQA برای تشخیص خواب آلودگیاستفاده شد. که درنهایت ویژگی قطعیت (DET) به عنوان بهترینویژگی برای تشخیص خواب آلودگی تشخیص داده شد. نتایج نشاندادند که با استفاده از ویژگی قطعیت و با استفاده از کلاسبندSVM می توان به دقت نزدیک به 90% درصد در تشخیص خوابآلودگی دست یافت.
کلیدواژه ها:
نویسندگان
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 :