طبقه بندی احساسات با ویژگی های استخراج شده از ارتباطات مغزی سیگنال های EEG
- سال انتشار: 1397
- محل انتشار: بیست و پنجمین کنفرانس ملی و سومین کنفرانس بین المللی مهندسی زیست پزشکی ایران
- کد COI اختصاصی: ICBME25_028
- زبان مقاله: فارسی
- تعداد مشاهده: 2135
نویسندگان
دانشجوی کارشناسی ارشد مهندسی پزشکی بیوالکتریک، دانشگاه شهاب دانش قم
استاد تمام گروه مهندسی پزشکی، دانشکده فنی دانشگاه شاهد تهران
چکیده
احساسات در روابط روزمره انسان ها از اهمیت بالایی برخوردار هستند و نقش اساسی در تفکر و تصمیم گیری ایفا میکنند. مطالعه احساسات از طریق پردازش سیگنال های بیولوژیکی دارای کاربردهای فراوانی است که میتوان به دروغ سنجی، پیش بینی رفتار و ... اشاره داشت. هدف اصلی این تحقیق، طبقه بندی احساسات شادی و غم افراد در فضای انگیختگی _ رضایت با استفاده از سیگنالهای EEG است. دادگان مورد استفاده متعلق به دیتای DEAP است که در سال 2012 جمع آوری شده اند. در این پژوهش ارتباط موثر از روی سیگنال های مغزی با استفاده از روش همدوسی جهتدار جزیی تعمیم یافته (GPDC) برای 32 سوژه تخمین زده شده است. سپس ویژگیهای حوزه زمان_فرکانسی مرتبط با دو حالت با آزمون T_test انتخاب شده و ویژگی های معنادار به عنوان برترین ویژگیها برگزیده شدند. درنهایت تفکیک پذیری دو گروه شادی و غم با روش LOO و طبقه بند KNN ارزیابی شدند. بیشترین صحت، %95/3 در باند فرکانسی تتا 4-8 هرتز، کمترین صحت %67/1 در باند بتا 13-20 1 هرتز و صحت %100 برای تمامی باندهای فرکانسی، بدست آمد. نتایج نشان میدهد که تمایز در ارتباطات باندهای فرکانسی پایین بیشتر از ارتباطات باندهای فرکانسی بالاتر میباشد. براساس تحلیل در پنجره های زمانی 10 ثانیه ای در باند تتا در پنجره زمانی دوم، در باند الفا در پنجره زمانی پنجم، در باند بتا 1 در پنجره زمانی یکم، در باند بتا 2در پنجره زمانی سوم و در باند گاما در پنجره های زمانی چهارم و پنجم بهترین تفکیک پذیری بدست آمد.کلیدواژه ها
سیگنال الکتروانسفالوگرام، احساسات، ارتباط موثر، همدوسی جهت دار جزیی تعمیم یافته، طبقه بندیمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.