طبقه بندی EEG در دو سطح نرمال و دارای اضطراب با استفاده از ویژگی های غیر خطی
محل انتشار: فصلنامه روانشناسی شناختی، دوره: 9، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 14
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCPKH-9-3_005
تاریخ نمایه سازی: 18 اردیبهشت 1403
چکیده مقاله:
اضطراب واکنش طبیعی انسان ها در برابر فشار روانی است که در رویارویی با عوامل مختلف ایجاد می شود. امروزه، حالت های اضطرابی توسط متخصصان با استفاده از نشانه های اضطراب و با ارائه پرسشهایی تشخیص داده می شود. هدف از این مطالعه تحلیلی-مشاهده ای، طبقهبندی خودکار دو سطح اضطراب و نرمال با تحلیل سیگنال الکتروانسفالوگرام است. در این مقاله، از پایگاه داده DASPS استفاده شد که حاوی الکتروانسفالوگرام ۱۴ کاناله از ۲۳ نفر (۱۳ زن و ۱۰ مرد، میانگین سن ۳۰ سال) در حین ایجاد اضطراب است. تحریک اضطراب به صورت غرقه سازی، مواجهه واقعی با یک محرک ترسناک ارائه شده است. دادگان بر اساس نتایج آزمون خودارزیابی آدمک به دو گروه (۱) نرمال و اضطراب کم و (۲) اضطراب متوسط و زیاد تقسیمبندی شدند. آنتروپی تقریبی، بعد فرکتال و نمای لیاپانوف به عنوان ویژگیهای غیر خطی از تمام کانالها استخراج شدند. از حداقل افزونگی حداکثر ارتباط برای انتخاب بهترین ویژگی جهت اعمال به شبکه پرسپترون چند لایه استفاده شد. برای ارزیابی عملکرد الگوریتم، ساختارهای مختلف شبکه از حیث تعداد ویژگی و نورون و همچنین ابعاد مختلف ویژگی بررسی شد. ماکزیمم صحت، دقت، f۱-score و حساسیت در ۲۰ بار تکرار در تمامی حالات برابر با ۱۰۰ است و با افزایش تعداد نورون، میانگین صحت افزایش می یابد. بهترین نتایج برای تعداد ۵ ویژگی و ۱۵ نورون بدست آمد که میانگین صحت، دقت، f۱-score و حساسیت برای آن به ترتیب ۸۰ %، ۷۵/۹۲ %، ۱۵/۸۴ % و ۵۸/۸۰ % بود. نتایج این مقاله نشان دهندهی توانمندی الگوریتم پیشنهادی برای تشخیص افراد مضطرب از افراد نرمال میباشد.
کلیدواژه ها:
نویسندگان
فائزه دانشمند بهمن
Department of Biomedical Engineering, Imam Reza International University, Mashhad, Razavi Khorasan, Iran.
عاتکه گشوارپور
Department of Biomedical Engineering, Imam Reza International University, Mashhad, Razavi Khorasan, Iran.
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 :