بررسی اسپکتروگرام سیگنال مغزی در فرآیند بازشناسی احساس با استفاده از نرم افزار EEGLAB

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,636

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE06_007

تاریخ نمایه سازی: 1 مهر 1394

چکیده مقاله:

احساسات جزو اساسی زندگی همه انسان هاست و بسیاری از امور بر مبنا با دراثر مداخله آن، صورت می پذیرد. و روش های بازشناسی در آن حائز اهمیت اند. یکی از ویژگی های مهم در فرایند بازشناسی احساس، ویژگی های طیف توان است. داده های مورد استفاده در این طرح مربوط به نرم افزار EEGLAB، برای 40 سابجکت و در 40 کانال و با محرک ویدئویی است. طیف توان برای هر کدام از محدوده های سیگنال فرکانسی، دو نیمه مغز و نیز هر کدام از الکترودها مورد محاسبه قرار گرفته است. نتایج نشان می دهد که برای هیجان هایی چون عصبانیت و شادی (برانگیختگی بالا) طیف توان قوی تر در باندهای بتا و گاما مشاهده می کنیم، خوشایندی بالا، موجب توان بالاتر در نیمه چپ می شود و خوشایندی پایین نیمه راست را با دامنه بالاتر بیان می کند. نواحی فرانتال و پرینال، جزو نواحی از مغز هستند که بیشتر از بقیه متأثر از احساس هستند. به این ترتیب، با توجه به کارکرد مورد نظر (صرفاً ثبت احساسات، برانگیختگی یا خوشایندی) می توان به صورت هدفمند فرایند ثبت سیگنال را انجام داد و محدوده مورد نظر را شناسایی کرد و داده های اضافی را بطور پیش فرض (و بدون نیاز به فرایندی چون ICA) حذف کرد. و بر این اساس منابع اصلی برای الکترودگذاری (source or selective electrodes) برای این مجموعه داده تعیین کرد.

نویسندگان

فرزانه یوسفی پور

گروه مهندسی پزشکی، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران

سیدمحمد فیروزآبادی

دانشکده فیزیک پزشکی، دانشگاه تربیت مدرس، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Yuan-Pin, _ et al., EEG-Based Emotion Recognition in Music Listening. ...
  • Jonghwa, K. and E. Andre, Emotion recognition based on physiological ...
  • Cognitive Computation, 2014. 6(2): p. 241- .252 ...
  • Engineering (MECBME), 2011 1st Middle .East Conference on. 2011 ...
  • .Transactions on, 2012. 3(1): p. 18-31 ...
  • approach _ EEG source comparison and .multi-subject inference. NeuroImage, 2013 ...
  • Neuroscience Methods, 2004. 134(1): p. 9- .21 ...
  • .Patterns. PloS one, 2014. 9(4): p. e95415 ...
  • نمایش کامل مراجع