مطالعه مروری بر تشخیص احساسات با استفاده از سیگنال های مغزی الکتروانسفالوگرافی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,010

فایل این مقاله در 27 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICELE01_322

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

احساس یکی از مهم ترین ویژگی های هر فرد است. وجود این ویژگی سبب می شود تا حالت های متفاوتی در جسم و ذهن شکل گیرد. با توجه به اهمیت آن ها در ایجاد حالت های متفاوت، شناسایی آن ها می تواند در بسیاری از مسائل کمک کننده باشد. این شناسایی می تواند در حوزه های مختلفی همچون شناسایی استرس، افسردگی، دروغ گویی، صرع و ... انجام گیرد. مغز نیز با توجه به ماهیت خود، هرگونه اتفاق اعم از فعالیت های جسمانی، تصور، احساس و غیره را علاوه بر تحلیل به صورت سیگنال های الکتریکی به نام سیگنال الکتروانسفالوگرافی از خود بروز می دهد. این امر سبب می شود تا بتوان به وسیله آن ها هرگونه فعل و انفعالی که برای فرد رخ می دهد را شناسایی و تشخیص داد. شناسایی احساسات یکی از کاربردهای استفاده از این سیگنال هاست که می توان به وسیله آن به حل برخی مشکلات و بیماری های ذهنی و مغزی همچون افسردگی، شناسایی صرع، آسیکلوریس و ... پرداخت. در این مطالعه، مروری بر کارهای انجام شده طی سال های 2010 تا 2015 در زمینه تشخیص احساسات از سیگنال های مغزی انجام شده است. در انتها نیز پژوهش های موردمطالعه در این مقاله با یکدیگر مقایسه شده اند.

نویسندگان

سیدمحمدرضا موسوی نصر

دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر تهران

علی پورمحمد

حق التدریس دانشکده مهندسی برق و الکترونیک دانشگاه صنعتی امیرکبیر تهران

محمدعلی کیوان راد

دانشجوی دکترای هوش مصنوعی دانشگاه صنعتی امیرکبیر تهران

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 :
  • a Russell, "A circumplex model of affect., " J. Pers. ...
  • Y.-H. Liu, C.-T. Wu, W.-T. Cheng, Y.-T. Hsiao, P.-M. Chen, ...
  • S. a. Hosseini and M. B. Naghibi-Sista ni, "Emotion recognition ...
  • Z. Lan, O. Sourina, L. Wang, and Y. Liu, "Real-time ...
  • Y. Liu and O. Sourina, "EEG databases for emotion recognition, ...
  • S. Lee, A. Yazdani, T. Ebrahimi, T. Pun, A. Nijholt, ...
  • S. Hatamikia, K. Maghooli, and A. M. Nasrabadi, "The Emotion ...
  • M. Soleymani, J. Lichtenauer, T. Pun, and M. Pantic, "A ...
  • P. C. Petrantonaks and L. J. Hadjileontia dis, "Emotion Recognition ...
  • Y. P. Lin, C. H. Wang, T. P. Jung, T. ...
  • S. Koelstra, A. Yazdani, M. Soleymani, C. Mihl, J.-S. Lee, ...
  • P. C. Petrantonaki and L. J. _ adjleontiadis, "A novel ...
  • D. Nie, X. W. Wang, L. C. Shi, and _ ...
  • D. Huang, C. Guan, K. K. Ang, H. Zhang, and ...
  • A. T. Sohaib, S. Qureshi, J. Hagelback, O. Hilborn, and ...
  • W.-L. Zheng, J.-Y. Zhu, Y. Peng, and B.-L. Lu, "EEG-based ...
  • R. M. Mehmood and H. J. Lee, "EEG based emotion ...
  • R. Khosrowa badi, M. Heijnen, A. Wahab, and H. C. ...
  • R. Khosrowabad and A. W. B. A. Rahman, "Classification of ...
  • M.-S. Park, H.-S. Oh, H. Jeong, and J.-H. Sohn, "Eeg-based ...
  • O. Sourina, Y. Liu, and M. K. Nguyen, "Real-time EEG-based ...
  • S. _ irayucha roensak, S. Pan-Ngum, and P. Israsena, "EEG-based ...
  • Scien tific WorldJourno. _ vol. 2014, p. 627892, 2014. ...
  • P. Lahane and A. K. Sangaiah, "An Approach to EEG ...
  • نمایش کامل مراجع