ارزیابی کمی کارایی سیگنالهای فیزیولوژیک در تشخیص هوشمند حالت هیجانی به منظور مراقبتهای بهداشتی و درمانی

Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 241

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ISEE-4-3_003

تاریخ نمایه سازی: 6 دی 1400

Abstract:

نظارت بر تغییرات حالت هیجانی می­تواند در مراقبت­های بهداشتی و درمانی و تحقیقات بالینی مفید واقع شود. حالت­های هیجانی مختلف باعث ایجاد الگوهای متفاوت در سیگنال­های فیزیولوژیک می­شوند. در نتیجه می­توان از این سیگنال­ها برای بازشناسی حالت­های هیجانی استفاده کرد. در این تحقیق با استفاده از قطعات فیلم استاندارد، هیجان­های شادی، خشم، ناراحتی و آرامش مطابق با چهار ربع فضای برانگیختگی و جاذبه بر روی ۲۴ داوطلب سالم ایجاد می­شوند. به صورت همزمان سیگنال­های فعالیت الکتریکی قلب، فعالیت الکتریکی ماهیچه، تنفسی و رسانایی پوست، ثبت می­شوند. پس از پیش­پردازش­های لازم شامل قطعه­بندی، هموارسازی، هنجارسازی، حذف نویز و درست­نماها و حذف رانش خط پایه، ویژگی­های متنوع در حوزه زمان و فرکانس از سیگنال­ها استخراج می­شود. روش های مختلف استخراج و انتخاب ویژگی برای استخراج و انتخاب مجموعه مناسبی از ویژگی ها مورد  مقایسه قرار گرفته اند. در ادامه از چند طبقه بندی کننده متفاوت برای تشخیص حالت های هیجانی از روی مجموعه ویژگی های بهینه استفاده شده است. در نهایت کارایی سیگنال­ها در تشخیص هیجان­ها به صورت کیفی و کمی با یکدیگر مقایسه شده است. نتایج، نشان­دهنده کارایی متفاوت هر نوع از سیگنال­ها در تشخیص هیجان­های مشخص است. همچنین نتایج نشان می دهند که طبقه بندی کننده منتخب با استفاده از مجموعه مناسبی از ویژگی های منتخب قادر است در بیشتر از ۷۰% موارد حالت هیجانی را به طور صحیح تشخیص دهد.

Authors

مهران عمادی اندانی

دانشگاه اصفهان

محمدرضا یزدچی

دانشگاه اصفهان

بهروز مجردشفیعی

دانشگاه اصفهان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • C. D. Batson, L. L. Shaw, K. C. Oleson Differentiating ...
  • L., Custódio, R. Ventura, C. Pinto-Ferreira, Artificial emotions and emotion-based ...
  • B. Mojarrad Shafie, M. Yazdchi, M. Emadi Andani, Automatic affective ...
  • R. W. Picard, Affective computing: challenges, International Journal of Human-Computer ...
  • C. Liu, K. Conn, N. Sarkar, W. Stone, Online affect ...
  • R. Cowie, E. Douglas-Cowie, Emotion recognition in human-computer interaction, Signal ...
  • S. D. Kreibig, Autonomic nervous system activity in emotion: A ...
  • R. W. Picard, E. Vyzas, J. Healey, Toward machine emotional ...
  • J. A. Healey, R. W. Picard, Detecting stress during real-world ...
  • K. H. Kim, S. W. Bang, S. R. Kim, Emotion ...
  • G. Chanel, C. Rebetez, M. Bétrancourt, Emotion assessment from physiological ...
  • C. L. Lisetti, F. Nasoz, Using noninvasive wearable computers to ...
  • P. Rani, C. Liu, N. Sarkar, An Empirical study of ...
  • E. Leon, G. Clarke, V. Callaghan, F. Sepulveda, A user-independent ...
  • C. D. Katsis, N. Katertsidis, G. Ganiatsas, Toward emotion recognition ...
  • D. Goldberg, P. Williams, General health questionnaire. GL Assessment, ۲۰۰۶ ...
  • J. A. Russell, A circumplex model of affect, Journal of ...
  • P. J. Lang, M. M. Bradley, B. N. Cuthbert, International ...
  • J. D. Morris, SAM:The Self-Assessment Manikin, An Efficient Cross-Cultural Measurement ...
  • S. de Waele, G. J. de Vries, M, Jager, Experiences ...
  • S. Saxena, V. Kumar, S. T. Hamde, Feature extraction from ...
  • N. Selvaraj, A. Jaryal, J. Santhosh, Assessment of heart rate ...
  • G. Lu, J. S. Brittain, P. Holland, J. Yianni, A. ...
  • نمایش کامل مراجع