تلفیق پتانسیل‌های برانگیخته مغزی و سیگنال‌های محیطی به منظور بهبود کیفیت سیستم های تشخیص فریب

Authors

  • ترابی, شهلا پژوهشگاه توسعه فناوری‌های پیشرفته خواجه نصیرالدین طوسی
  • قدوسی, مهراد دانشگاه شاهد، پژوهشگاه توسعه فناوری‌های پیشرفته خواجه نصیرالدین طوسی
  • محمدیان, امین پژوهشگاه توسعه فناوری‌های پیشرفته خواجه نصیرالدین طوسی
  • مهرنام, امیرحسین دانشگاه شاهد
  • نصرآبادی, علی مطیع دانشگاه شاهد
Abstract:

Since it was being predicted that combination of psychophysiological and ERP signals, during the detection of a guilty person's knowledge can increase the performance of integrative lie detection system toward using the separate procedures Using the knowledge of both aspects, in this study it has been tried to determine the proper Inter-Stimulus Intervals (ISI) together with suitable sequence of stimulations in order to simultaneous recording of P300 component of brain Event Related Potentials and peripheral signals. Also a proper mock crime scenario has been designed it has the capability of exciting the cognitive aspect of mock crime and also was capable of provoking the subject’s concerns, based on telling lie about the crime. At the next stage, after recording data from 32 participants, features from their ERP and SCR (as one of the most important peripheral signals) signals have been extracted. Then, an LDA classifier was applied on selected features which were selected by Genetic algorithm and these accuracies: 76.67%, 73.33% & 80% have been obtained for EEG, SCR and Combined data respectively. The resulted accuracies at the first show the proper quality of scenario and protocol, in synchronous stimulation and recording of both signal categories, also the improvements which have been resulted by integrative data in compare with separate ones are observable.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تلفیق پتانسیل های برانگیخته مغزی و سیگنال های محیطی به منظور بهبود کیفیت سیستم های تشخیص فریب

از آنجا که پیش بینی می شد که تلفیق دو روش ثبت دادگان کلاسیک و مغزی در پروسه تشخیص دانش فرد خطاکار می تواند منجر به افزایش صحت عملکرد سیستم دروغ سنجی در مقایسه با عملکرد جداگانه هر کدام از این روش ها گردد، در این پژوهش، با بهره گیری از دانش موجود در هر دو حوزه سعی به بررسی فرضیه فوق شده است. در این راستا ابتدا فاصله زمانی ارائه تحریکها (isi) و نیز نحوه چینش آن ها، به گونه-ای تنظیم شده است که امک...

full text

ارزیابی کمی کارایی سیگنالهای فیزیولوژیک در تشخیص هوشمند حالت هیجانی به منظور مراقبتهای بهداشتی و درمانی

نظارت بر تغییرات حالت هیجانی می­تواند در مراقبت­های بهداشتی و درمانی و تحقیقات بالینی مفید واقع شود. حالت­های هیجانی مختلف باعث ایجاد الگوهای متفاوت در سیگنال­های فیزیولوژیک می­شوند. در نتیجه می­توان از این سیگنال­ها برای بازشناسی حالت­های هیجانی استفاده کرد. در این تحقیق با استفاده از قطعات فیلم استاندارد، هیجان­های شادی، خشم، ناراحتی و آرامش مطابق با چهار ربع فضای برانگیختگی و جاذبه بر روی 24...

full text

سیستم ردیابی پویایی سیگنالهای مغزی

سیگنال های الکتریکی مغز (eeg) که از روی جمجمه انسان ثبت می شود،بیانگر فعالیت سلولهای قشری مغز هستند. امروزه سیگنالهای مغزی کاربردهای بسیاری در کلینیک برای تشخیص بسیاری از بیماریها و فعالیت های نروفیزیولوژیک پیدا کرده است . علاوه بر آن، می توان به کاربردهای دیگری مانند به تشخیص عمق بیهموشی، ارتباط انسان و کامپیوتر، ایجاد دستورات کنترلی برای سیستم fes، تشخیص خود به خود حمله مغزی، شناخت مراحل مختل...

15 صفحه اول

معرفی نمایه جدید به منظور تشخیص خودکار شدت پیشرفت بیماری آصم با استفاده از سیگنالهای کپنوگرام

در این مقاله یک نمایه جدید به منظور تشخیص خودکار شدت بیماری آصم با استفاده از پردازش سیگنالهای کپنوگرام ارائه شده است. تحقیقات انجام گرفته در گذشته نشان دهنده ارتباط مهمی بین کپنوگرام و بیماری آصم بوده است .هرچند، اغلب آن تحقیقات از روشهای پردازشی حوزه زمان اسفاده کرده بوده و بر این فرضیه استوار بودند که کپنوگرام یک سیگنال ایستان است. در این تحقیق با استفاده از ضرائب پیش بینی خطی (LPC) و روش مد...

full text

استفاده از طبقه‌بند PCVM در سیستم واسط مغز- رایانه کاربرفرما به منظور بهبود تشخیص حرکت پا

اساس سیستم‌های‌ واسط مغز-رایانه(BCI)کاربرفرما آشکارسازی و تشخیص بازه‌های رخداد یک فعالیت ذهنی مانند تصور حرکت از سیگنال خودبخودی مغز است که این مسأله به دلیل ماهیت غیرایستان و پیچیده سیگنال الکتروانسفالوگرام (EEG) مهمترین چالش در طراحی سیستم‌هایBCIاست. در این مقاله برای اولین بار از یک الگوریتم جدید طبقه‌بندی مبتنی بر یادگیری تنک به نامPCVM در طراحی سیستمBCIکاربرفرما استفاده شده است. هدف اصلی م...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 12  issue 2

pages  73- 86

publication date 2015-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023