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

نویسندگان

  • 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
چکیده مقاله:

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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

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...

متن کامل

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...

متن کامل

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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 12  شماره 2

صفحات  73- 86

تاریخ انتشار 2015-09

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023