عنوان

تخمین بارکاری شناختی به کمک روش ترکیب ویژگی‌های روانی-فیزیولوژیکی

کد کشور

IR

شماره

۴۶۳۳پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

تخمین بارکاری شناختی به کمک روش ترکیب ویژگی‌های روانی-فیزیولوژیکی

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Cognitive Workload Estimation Using Psychophysiological Feature Fusion Technique

نام نخستين پديدآور

/رضوان میرزائیان

نام ناشر، پخش کننده و غيره

: مهندسی پزشکی

تاریخ نشرو بخش و غیره

، ۱۴۰۱

نام خاص و کميت اثر

۸۷ص.

ساير جزييات

:

متن يادداشت

زبان: فارسی

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی پزشکی- بیوالکتریک

زمان اعطا مدرک

۱۴۰۱/۰۶/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

در سال‌های اخیر، توسعه تخمین خودکار بارکاری شناختی به دلیل کاربردی که در زمینه‌ی تشخیص و درمان بیماری‌های عصبی، کاهش خطای انسانی و بهبود عملکرد دارد، توجه محققان زیادی را به خود جلب نموده است .ارائه یک روش قابل‌اعتماد با هزینه محاسباتی کم و مقاوم در برابر تفاوت‌های بین فردی، همواره از چالش‌های موجود در این زمینه بوده است .در این مطالعه، جهت مواجهه با این چالش‌ها، سه روش تحلیلی برای سیگنال فعالیت الکتریکی پوست که ثبت آسان و کم‌هزینه‌ای دارد، ارائه شده است .در روش اول، الگوریتم پیگیری انطباق به‌منظور تجزیه سیگنال و محاسبه ضرایب زمانی-فرکانسی بهبودیافته استفاده شده است .در این روش، ویژگی‌های آماری استخراج گردیده و قابلیت آن‌ها برای تخمین بارکاری موردبررسی قرار گرفته است .در روش پیشنهادی دوم، پس از تجزیه سیگنال با استفاده از تبدیل موجکQ -قابل‌تنظیم و انتخاب محدوده فرکانسی مرتبط با تغییرات سیگنال مذکور، تعدادی ویژگی ساده آماری به‌منظور تخمین بارکاری مورداستفاده قرار گرفته است .در روش پیشنهادی آخر نیز تصویر زمانی-فرکانسی سیگنال، توسط توزیع شبه ویگنر هموارشده حاصل گردیده و ویژگی‌های بافت از ماتریس هم‌رخداد سطح خاکستری استخراج شده است .در این مطالعه، از الگوریتم‌های مختلف یادگیری ماشین نظیر ماشین بردار پشتیبان،k -نزدیک‌ترین همسایگان، شبکه عصبی پیشروی آبشاری و شبکه عصبی بازگشتی برای تفکیک سطوح مختلف بارکاری بهره گرفته شده است .برای ارزیابی عملکرد سیستم‌های پیشنهادی جهت تخمین بارکاری، از داده‌های فعالیت الکتریکی پوست که در حین اجرای تکالیف محاسباتی با سطوح مختلف بارکاری ذاتی ثبت گردیده، استفاده شده است .نتایج به‌دست‌آمده نشان‌دهنده قابلیت بالای هر سه روش پیشنهادی برای تخمین بارکاری می‌باشد .بااین‌حال، روش پیشنهادی مبتنی بر تبدیل موجکQ -قابل‌تنظیم، بهترین عملکرد را با میانگین دقت ۹۸/۵۲ در تفکیک سه سطح از بارکاری به‌دست آورده است .

متن يادداشت

In recent years, the development of automatic cognitive workload estimation (CWE) has attracted the attention of many researchers due to its application in the field of diagnosis and treatment of neurological diseases, human error reduction and performance improvement. Providing a reliable method with low computational cost and robust to the individual differences has always been one of the challenges in this field. In this study, to deal with these challenges, three analytical methods for Electrodermal Activity (EDA) signal with an easy and cost-effective recording procedure have been proposed. In the first method, the Matching Pursuit algorithm has been used to decompose the EDA signal and calculate enhanced time-frequency coefficients. In this method, statistical features have been extracted and their capabilities have been explored for CWE. In the second algorithm, the EDA signal has been decomposed using Tunable Q-factor Wavelet Transform (TQWT), then the appropriate frequency range which is associated with the useful changes in the EDA signal has been selected for more analysis. In the next step, several statistical features were used to estimate mental workload. In the final proposed method, time-frequency EDA image that obtained from the Smoothed Pseudo Wigner-Ville Distribution, has been analyzed and textural features were extracted from the Gray Level Co-occurrence Matrix. In this study, different machine learning algorithms, such as Support Vector Machine, K-Nearest Neighbor, Cascade Forward Neural Network and Recurrent Neural Network have been used for discriminating different levels of workload. To evaluate the performance of the proposed CWE systems, the EDA data which are recorded during the execution of arithmetic tasks with different levels of intrinsic workload have been employed. The obtained results have indicated the capabilities of all proposed methods for practical CWE system. However, the proposed method based on the TQWT technique has achieved the best performance with an average accuracy rate of 98.52 for 3 levels of workload discrimination

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Cognitive Workload Estimation Using Psychophysiological Feature Fusion Technique

موضوع مستند نشده

سیگنال فعالیت الکتریکی پوست

موضوع مستند نشده

الگوریتم پیگیری انطباق

موضوع مستند نشده

تبدیل موجکQ -قابل‌تنظیم

موضوع مستند نشده

توزیع شبه ویگنر هموارشده

موضوع مستند نشده

ماتریس هم‌رخداد سطح خاکستری

اصطلاح موضوعی

Electrodermal activity signal, Matching pursuit algorithm, Tunable-Q wavelet transform, Smoothed pseudo wigner-ville distribution, Gray level co-occurrence matrix

اصطلاح موضوعی

سیگنال فعالیت الکتریکی پوست، الگوریتم پیگیری انطباق، تبدیل موجکQ -قابل‌تنظیم، توزیع شبه ویگنر هموارشده، ماتریس هم‌رخداد سطح خاکستری

مستند نام اشخاص تاييد نشده

میرزائیان، رضوان

مستند نام اشخاص تاييد نشده

قادریان، پیوند، استاد راهنما

مستند نام اشخاص تاييد نشده

داننده حصار، حامد، استاد مشاور

کشور

ایران

تاريخ عمليات

20230617

شماره بازیابی

پزشکی.م ،۱۰۰۷۱ ،۱۴۰۱

نام ميزبان

ی‌ناور ی‌اهی‌گژیو ب‌یکرت‍ ش‌ور ک‌مک‍ ه‌ب‍ ی‌تخانش‍ ی‌راکراب‍ ن‌یمخت‍-ی‌کیژولویزیف‍.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

9117.pdf

تاريخ و ساعت مذاکره و دسترسي

pm10071.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۴۶۳۳

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y