این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله سازمان نظام پزشکی جمهوری اسلامی ایران، جلد ۳۲، شماره ۱، صفحات ۲۷-۴۰
عنوان فارسی طراحی سیستم پیشرفته­ای برای بازشناسی احساسات بر اساس سیگنال­های مغزی و تصاویر چهره
چکیده فارسی مقاله زمینه: با توجه به نقش احساسات در زندگی انسان، چنان­چه به توان احساسات را هم­زمان با تحلیل حالت چهره، از طریق سیگنال EEG بازشناسی کرد، می‌­توان حالت‌های احساسی واقعی را از تصنعی تشخیص داد. از مهم‌ترین کاربرد­های این امر، دروغ‌­سنجی و همچنین کمک به بیمارانی است که قادر به درک احساسات هستند اما از نشان دادن آن در چهره خود ناتوانند. روش کار: در این مطالعه آزمایش‌­هایی برای ایجاد حالت‌­های مختلف احساسی طراحی شده است. با توجه به فقدان مجموعه تحریک‌کننده‌­های عاطفی برای انجام چنین مطالعاتی در فرهنگ ایرانی، علاوه بر بازشناسی احساسی، جمع‌­آوری مجموعه تحریک‌کننده‌­های عاطفی از دیگر اهداف این مطالعه بوده است. برای تحقق این اهداف 24 شرکت‌­کننده شامل 16 مرد و 8 زن، از طریق سیستم تصاویر استاندارد عاطفی و مجموعه از فیلم‌هایی که با توجه به فرهنگ ایرانی جمع‌­آوری شده‌­اند تحریک می‌‌شوند. یافته‌ها: پس از بررسی روش­‌های مختلف، ویژگی بعد فرکتال و طبقه‌­بند AdaBoost به عنوان بهترین روش­‌های بازشناسی انتخاب شدند و در بهترین حالت صحت 92% برای مجموعه محرک عاطفی و صحت 6/79% برای تصاویر استاندارد به دست آمده است. برای استقلال روش بازشناسی از جنسیت، بازشناسی به صورت مجزا در گروه زن و مرد انجام نشده و هر دو جنس را شامل می‌­شود. نتیجه‌گیری: با وجود تفاوت در جنسیت شرکت­‌کننده­‌ها، نتایج به دست آمده نشان از قوی بودن روش­‌های بازشناسی دارند. همچنین موفقیت بیشتر مجموعه فیلم­‌های جمع‌­آوری شده جهت تحریک عاطفی به وضوح دیده می‌­شود. بنابراین استفاده از سیگنال EEG در کنار تحلیل حالت چهره می‌­تواند مشکل مشخص نبودن احساسات از روی تصاویر چهره را برطرف کند. واژگان کلیدی: بازشناسی احساسات، سیگنال EEG، تحلیل حالت چهره، سیستم تصاویر استاندارد عاطفی، بعد فرکتال.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Developing an advanced System for emotion detection based on brain signals and facial
چکیده انگلیسی مقاله Introduction: According to role of emotions in human’s life, if they can be recognized contemporary with facial expression by EEG signals, it can discriminate between real abd artificial emotions. This ability can be applied in lie detector and be also helpful to patients that able to feel emotions but can’t show it with facial expression. Methods: In this study, some emotion induction experiments were designed. But due to lack of emotion induction tools for doing such a research at Iranian culture, in addition to recognizing emotions, the second goal was to collect an emotion induction anthology or collection based on Iranian culture. To achieve these goals, 24 subjects including 16 males and 8 famales were under study by International Affective Picture System (IAPS) and movies with Iranian culture. Results: After reviewing various methods, fractal dimension and the AdaBoost classifier were selected as the best methods. 92% average accuracy was achieved from movies with Iranian culture and 79.6% average accracy was achieved for removing confounding effect of gender difference, emotion recognition was not performed separately for males and females and both sexes were included. Conclusion: Despite gender differences in participants; the results show that recognition methods are very strong. Also the results show that culturally related movies get higher accuracy in comparison with IAPS. So using EEG signals along and concomitant by facial expressions can solve the problem of hiding emotions from facial images. Keywords: Emotion recognition, EEG signals, Facial expressions, International Affective Picture System, Fractal dimension.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله
نشانی اینترنتی http://www.jmciri.ir/browse.php?a_code=A-10-1-1615&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات