شماره کتابشناسی ملی
شماره
۲۱۹۲۵پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
تشخیص زود هنگام خستگی روانی بر پایه سیگنال‌صهایEEG
عنوان اصلي به زبان ديگر
Early Detection of Mental Fatigue based on EEG Signal Processing
نام نخستين پديدآور
/درنا مطلوبی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۹۳ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی‌پزشکی
زمان اعطا مدرک
۱۳۹۸/۰۶/۲۳
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
خستگی ذهنی یا روانی یک حالت فیزیولوژیکی است که هم بر عملکرد فیزیکی و هم عملکرد شناختی اثر می‌صگذارد که نتیجه آن مشکل در پردازش سریع و کارآمد اطلاعات و افزایش زمان واکنش است .یک سیستم خودکار اندازه‌صگیری خستگی ذهنی برای کاهش خطرات ناشی از آن مورد نیاز است .با وجود اینکه شاخص‌صهای فیزیولیوژیکی متعددی برای تشخیص خستگی‌ص ذهنی مطرح است، سیگنال EEG یکی از مطمئن‌صترین آن‌صها است چراکه مستقیما فعالیت مغز را منعکس می‌صکند .در این پایان نامه هدف تشخیص خستگی ذهنی ناشی از رانندگی برای کاهش تلفات جاده‌صای است .بدین منظور یک دیتا بیس استاندارد شامل ۱۲ نفر استفاده شده است که آموزش دستورالعمل رانندگی را در یک محیط مجازی، در دو حالت خستگی ذهنی و نرمال، تحت دستورالعمل اپراتور تکمیل کردند .برای استخراج ویژگی‌صها به منظور شناسایی خستگی‌صذهنی از ویژگی‌صهای فرکانسی باندهای استاندارد سیگنال EEG استفاده شد .تمام مجموعه ویژگی‌صها بعد از نرمال‌صسازی به عنوان ورودی به سه الگوریتم طبقه-بندیK -نزدیکترین همسایه، ماشین بردار پشتیبان و شبکه عصبی داده شده است .برای ارزیابی روش، دقت سیستم در حالت استفاده از ۳۰ الکترود و هر سه الگوریتم طبقه‌صبندی ۱۰۰ درصد به دست آمده است .بعد از اعمال الگوریتم کاهش الکترودها و پیدا کردن الکترود موثرTP۷ ، برای این کانال با استفاده از الگوریتم طبقه‌صبندی KNN دقت ۹۳/۹۹ درصد به دست آمده است
متن يادداشت
Mental or psychological fatigue is a physiological state that affects both physical and cognitive function resulting in difficulty in quick and efficiently and increasing reaction time processing of information.An automated mental fatigue measurement system is needed to reduce its risks.Although there are many physiological indicators to diagnose mental fatigue, the EEG signal is the most reliable one, because it directly reflects brain activity.The purpose of this thesis is to identify the mental fatigue caused by driving to reduce road casualties.For this purpose, a standard database of 12 people is used to complete driving instruction training in a virtual environment ,in both mental and normal fatigue, under the operators instructions.Frequency featurs of standard bands of EEG signal are used to feature extracting, for identifying mental fatigue.All feature vectors are normalized as inputs to the three KNN algorithms, the support vector machine (SVM) and the Neural Network.To evaluate the method, the accuracy of the system in the use of 30 electrodes and all three classification algorithms is 100 . After applying the electrodes selection algorithm and finding the effective electrode of TP7, the KNN classification algorithm obtained 99.93 accuracy for this channel
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Early Detection of Mental Fatigue based on EEG Signal Processing
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
مطلوبی، درنا
مستند نام اشخاص تاييد نشده
Matloubi, Dorna
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
