دوره 7، شماره 2 - ( 6-1399 )                   جلد 7 شماره 2 صفحات 231-214 | برگشت به فهرست نسخه ها

XML English Abstract Print


کارشناسی ارشد مهندسی پزشکی، مربی، دانشگاه آزاد اسلامی، واحد تبریز، باشگاه پژوهشگران جوان و نخبگان، تبریز، ایران
چکیده:   (3587 مشاهده)
مقدمه: احساس نقش مهمی در سلامت، ارتباط و تعامل بین انسان‏ها دارد. توانایی شناخت حالات حسی افراد قسمت مهمی از شاخص‏ های سلامتی و ارتباط‏ های طبیعی است. در پایگاه داده DEAP، سیگنال‏ های الکتروانسفالوگرام و سیگنال‏ های فیزیولوژیکی محیطی مربوط به 32 داوطلب ثبت شده است. شرکت‏ کنندگان در هر ویدئو از نظر سطح انگیختگی، ظرفیت، دوست داشتن/نداشتن، تسلط و آشنایی با ویدئوی مشاهده شده امتیاز داده شدند.
روش: در این مقاله رو‏ش‏ تجربی و کاربردی جهت طبقه ‏بندی ظرفیت، انگیختگی، تسلط و علاقه، توسط رتبه ‏بندی ویژگی‏ های استخراج شده از سیگنال‏ ها با استفاده از الگوریتم ‏هایی بر روی سیگنال‏ های EEG و سیگنال‏ های فیزیولوژیکی محیطی (نظیر سیگنال‏ های الکترومایوگرام، الکترواوکولوگرام، پاسخ الکتریکی پوست، نرخ تنفس، پلتیسموگرام و دمای پوست) انجام گردید. پس از فراخوانی سیگنال‏ ها از پایگاه داده و پیش ‏پردازش اولیه‏ آنها، ویژگی‏ های مختلف در حوزه زمان و فرکانس از کلیه‏ سیگنال‏ ها استخراج گردید. در این مقاله از طبقه‏ بندی‏ کننده‏ های SVM و KNN، الگوریتم خوشه بندی K-means و شبکه‏ های عصبی PNN و GRNN جهت تشخیص و طبقه ‏بندی احساسات استفاده شد.
 نتایج: در نهایت نشان داده شد که نتایج نهایی طبقه‏ بندی احساسات توسط روش‏ ها و طبقه ‏بندی‏ کننده‏ های مختلف در این مقاله با دقت بالا صورت می‏ پذیرد. بهترین نتایج صحت حاصل از به کارگیری روش پیشنهاد شده با استفاده از ویژگی‏ های استخراج شده از سیگنال‏ های محیطی و ویژگی‏ های استخراج شده از سیگنال‏ های EEG به ترتیب برابر 85/5‌% و 82/4% به ازای ورودی طبقه‏ بندی کننده SVM حاصل گردید.
نتیجه ­گیری: با توجه به نتایج نهایی درخصوص طبقه ‏بندی احساسات در این مقاله، الگوریتم ارائه شده نتایج نسبتاً مناسب‏تری نسبت به سایر روش‏ های مشابه پیشین ارائه داده است.
متن کامل [PDF 1227 kb]   (2107 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1398/2/9 | پذیرش: 1398/5/13

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.