شماره کتابشناسی ملی
شماره
۲۱۸۰۲پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
تشخیص احساس بر اساس فعالیت‌های ورزشی ساده و استخراج ویژگی‌های تصویری حرکات صورت در کودکان مبتلا به اختلال طیف اوتیسم
عنوان اصلي به زبان ديگر
Emotion Detection Based on Simple Exercise Activities and Extracting Image Features of Facial Motions in Children with Autism Spectrum Disorder
نام نخستين پديدآور
/مریم وحیدی مددلو
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق و کامپیوتر گروه مهندسی کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، راشدی
مشخصات ظاهری
نام خاص و کميت اثر
۸۴ص
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
مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز
زمان اعطا مدرک
۱۳۹۸/۰۶/۲۰
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
اختلال طیف اوتیسم یک نوع اختلال رشدی است که مشخصه‌صهای اصلی آن ناتوانی در برقراری تعاملات اجتماعی، ناتوانی در ارتباطات کلامی و غیرکلامی و بروز رفتارهای تکراری و کلیشه‌صای است .ازآنجاکه تاکنون درمان قطعی برای این بیماری مشخص نشده است، بیشتر روش‌صها کمک به بهبود این بیماران به انجام مداخلات رفتاردرمانی محدود می‌صشوند .هرگونه عملکرد اساسی مانند تصمیم‌صگیری، یادگیری، ادراک و غیره، به‌طور مستقیم یا غیرمستقیم تحت تأثیر احساسات است .شناخت احساسات در اختلال طیف اوتیسم برای درک نظری ما از اوتیسم و آموزش مهارت‌صهای اجتماعی مهم بوده و می‌صتواند مداخله مناسب جهت بهبود شرایط رشد کودکان مبتلا به اختلال طیف اوتیسم را موجب شود .یکی از دسته روش‌های موجود تشخیص احساس در کودکان اوتیسمی استفاده از سیگنال‌های فیزیولوژیکی مانند پاسخ گالوانیک پوست، تغییرپذیری ضربان قلب، موج‌ص نگاری مغز و پاسخ مردمک چشم است که دارای هزینه بالایی هستند .از سوی دیگر، نصب دستگاه یا حسگر به بدن کودکان بر تشخیص دقیق احساس کودکان تأثیر منفی می‌صگذارد .دسته دیگری از روش‌صها، تشخیص احساس مبتنی بر ویژگی‌های صورت است که از بعضی از نقاط صورت برای تشخیص استفاده نموده‌صاند .در این پایان‌صنامه، از فعالیت‌های ورزشی ساده که باعث بهبود مهارت‌صهای حرکتی و مهارت‌صهای اجتماعی کودکان مبتلا به اختلال طیف اوتیسم و مؤثر در کاهش رفتارهای کلیشه‌صای کودکان مبتلا به اختلال طیف اوتیسم است، استفاده‌شده و ویژگی‌های تصویری حرکات صورت کودکان مبتلا به اختلال طیف اوتیسم در زمان انجام فعالیت‌های ورزشی استخراج‌شده است .حالت احساسی کودکان توسط آزمونPANAS - Cتشخیص داده‌شده است و سپس با استفاده از روش‌ص شبکه‌صهای‌ص عصبی کانولوشنال عمیق، احساس کودکان در سه دسته مثبت، منفی و خنثی دسته‌بندی‌شده است .از مزایای روش پیشنهادی این تحقیق نسبت به روش‌های موجود می‌صتوان به استفاده کردن از تمام نقاط صورت برای تشخیص احساس، بهره‌صگیری از بروزترین تکنولوژی، غیرتهاجمی بودن)نداشتن دستگاه یا حسگر مجزا(، کم‌هزینه بودن، داشتن دقت تشخیص بالا و استفاده از فعالیت‌های ورزشی که برای سلامتی مفید است، اشاره نمود .روش پیشنهادی به زبان پایتون ۳ پیاده‌صسازی و بر روی GPU کامپایل شده است .از فریمورک Tensorflow و Keras برای توسعه مدل پیشنهادی استفاده‌شده است
متن يادداشت
Autism spectrum disorder is a type of developmental disorder characterized by the inability to engage in social interaction, the inability of verbal and nonverbal communication, and the occurrence of repetitive and stereotypical behaviors. Since no definitive cure for this disease has been identified, most methods help limit the treatment of these patients by conducting behavioral therapy interventions. Any basic function, such as decision making, learning, perception, etc., is directly or indirectly influenced by emotions. Understanding emotions in autism spectrum disorder is important for our understanding of autism and social skills training and can provide appropriate intervention to improve the developmental conditions of children with an autism spectrum disorder. One of the methods available for the detection of emotion in autistic children is the use of physiological signals such as galvanic skin response, heart rate variability, brain metrology and eye response that are costly. On the other hand, installing a device or sensor on a child's body can negatively affect the child's accurate diagnosis. Another set of methods is facial feature-based sensing, which uses some of the facial features for diagnosis. In this Research, simple exercise activities that improve the motor and social skills of children with autism spectrum disorder and effectively reduce the stereotypical behaviors of children with autism spectrum disorder are used. Visual features of the facial movements of children with autism spectrum disorder during exercise activities were extracted. Emotional states of children were diagnosed by the PANAS-C test and then, using deep convolutional neural networks, children's emotion was classified into three categories: positive, negative, and neutral. The advantages of the proposed method of this study over the existing methods can be to use all facial parts for emotion detection, use update technology for recognition, non-invasive (lacking a separate device or sensor), low cost, high accuracy of detection and use of sport activities that is beneficial for health. The proposed method is implemented in Python language and compiled on GPU. The Tensorflow and Keras frameworks have been used to develop the proposed model
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Emotion Detection Based on Simple Exercise Activities and Extracting Image Features of Facial Motions in Children with Autism Spectrum Disorder
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
وحیدی مددلو، مریم
مستند نام اشخاص تاييد نشده
Vahidi Maddadlou, Maryam
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
