متن کامل خبر


 
جلسه دفاع از پایان‌نامه: آقای وصال مؤید، گروه مهندسی پزشکی

خلاصه خبر: بازشناسی احساسات با استفاده از ویژگی‌های مبتنی بر ارتباط بیوسیگنال‌های پیشانی و قلبی

  • عنوان: بازشناسی احساسات با استفاده از ویژگی‌های مبتنی بر ارتباط بیوسیگنال‌های پیشانی و قلبی
  • ارائه‌کننده: وصال مؤید
  • استاد راهنما: دکتر سید محمد فیروزآبادی
  • استاد ناظر داخلی اول: دکتر عروجی
  • استاد ناظر خارجی اول: دکتر نصرآبادی (دانشگاه: تربیت مدرس)
  • استاد مشاور اول: دکتر مهدی خضری
  • مکان: اتاق شورا
  • تاریخ: 96/11/15
  • ساعت: 15

چکیدهشناسایی هیجان از روی سیگنال‌های فیزیولوژیکی در سال‌های اخیر به صورت گسترده‌ای مورد توجه قرار گرفته است. در این حوزه تا کنون اغلب از ویژگی‌های محلی و اخیرا از ویژگی‌های مبتنی بر ارتباط در سیگنال‌های مغزی استفاده شده است. در این پژوهش، درصدد افزایش صحت بازشناسی هیجان در عین عدم افزایش تعداد الکترودها و پیچیدگی سیستم بوده‌ایم. با توجه به تعاملات عصبی قابل توجه بین مغز و قلب و سیستم عصبی پیچیده ذاتی خود قلب، استفاده از ویژگی‌های مبتنی بر ارتباط سیگنال‌های مغزی-قلبی در بازشناسی هیجان پیشنهاد شد. سیگنال‌های ثبت شده در این پژوهش، شامل سیگنال‌های سه کانال پیشانی و سیگنال ECG بود که از شش داوطلب خانم و با نمایش ویدیوهای احساسی مرتبط با شش هیجان پایه (خشم، غم، شادی، اشمئزاز و تعجب) اخذ شد. دو رویکرد EEG-HRVHF و EEG-Δ(RRI) برای ارتباط‌سنجی پیشنهاد شد که در هر رویکرد دو روش شامل ارتباط‌سنجی خطی با استفاده از ضریب همبستگی پیرسون و ارتباط‌سنجی غیرخطی با استفاده از اطلاعات متقابل مورد بررسی قرار گرفت. از میان چهار روش بررسی شده، ارتباط‌سنجی خطی در رویکرد EEG-HRVHF با صحت میانگین 97.42 درصد در حالت وابسته به کاربر و 82.64 درصد در حالت مستقل از کاربر بهترین نتیجه را به دست آورد. همچنین، با ترکیب ویژگی‌های حاصل از این روش با ویژگی‌های محلی (توان نسبی زیرباندهای سیگنال‌های پیشانی) متوسط صحت طبقه‌بندی وابسته به کاربر و مستقل از کاربر به ترتیب 99.7 درصد و 95.9 درصد به دست آمد. با استفاده از روش جستجوی ترتیبی پیش‌رو و با معیار خطای طبقه‌بندی، زیردسته بهینه ویژگی برای تفکیک پذیری هیجان¬ها انتخاب شد. ویژگی‌‌‌های محلی انتخاب شده شامل توان نسبی آلفا و بتای تمپورال راست، آلفا و بتای تمپورال چپ و آلفا و بتای فرونتال بود و از میان ویژگی‌‌‌های ارتباطی، همبستگی بین توان نرمالیزه شده باند HF سیگنال HRV و توان نسبی زیرباند آلفا، بتا و گامای فرونتال و دلتای تمپورال راست انتخاب شدند. ویژگی‌‌‌های ارتباطی انتخاب شده اهمیت ارتباط ناحیه فرونتال با باند HF سیگنال HRV را نشان می‌دهد که با شواهد موجود در این زمینه سازگار است. با استفاده از ویژگی‌های محلی و ارتباطی انتخاب شده صحت طبقه‌بندی مستقل از کاربر 97.8 درصد به دست آمد. با توجه به نتایج به دست آمده در این پژوهش، همبستگی بین توان زیرباندهای سیگنال‌‌‌های پیشانی و توان مولفه HF سیگنال HRV در حالات هیجانی مختلف متفاوت است و ویژگی‌های حاصل از این روش هم به تنهایی و هم در ترکیب با ویژگی‌های محلی صحت میانگین قابل قبولی را به دست آورد. اما این روش برای کاربردهای زمان-واقعی پیشنهاد نمی‌شود؛ زیرا مستلزم در اختیار داشتن تعداد زیادی سمپل از سری‌‌‌های زمانی مورد بررسی در ارتباط‌سنجی است.
کلمات کلیدیارتباط قلب-مغز، اطلاعات متقابل، همبستگی، بازشناسی هیجان، بیوسیگنال‌های پیشانی، تغییرات نرخ ضربان قلب

14 بهمن 1396 / تعداد نمایش : 34