Signal and Data Processing
پردازش علائم و دادهها
JSDP
Engineering & Technology
http://jsdp.rcisp.ac.ir
1
admin
2538-4201
2538-421X
10.52547/jsdp
1
8888
fa
jalali
1391
12
1
gregorian
2013
3
1
9
2
online
1
fulltext
fa
بازشناسی دانش فرد خطاکار به کمک سیگنالهای تک ثبت مغزی، مبتنی بر روش غیرخطی منحنیهای بازگشتی
Detection of Guilty Knowledge, Using Single Trial ERPs, and Based on Recurrence plots Nonlinear Method
مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
Paper
پژوهشي
Research
<a name="up">در این مطالعه، از روش غیرخطی منحنیهای بازگشتی به منظور آشکارسازی دانش فرد خطاکار از سیگنالهای تک ثبت مغزی، استفاده شده است. دادگان مورد استفاده، مربوط به 49 نفر بوده که در آزمون بازشناسی چهره مخفی شده شرکت نمودند. طراحی این آزمون به نحوی صورت گرفته است که در آن آشنا بودن تصویر یک چهره، توسط افراد گناهکار کتمان گردد. بنابراین هدف، بازشناسی چهره مخفی شده توسط این افراد میباشد. در مرحله استخراج ویژگی از کمیکنندههای بازگشتی استفاده شده است. طبیعت آشوبگونهی دینامیک مغز و بررسی بستر جذب در فضای فاز، از امور مهمی میباشند که توسط این کمیکنندهها مورد توجه قرار میگیرند. بررسی نتایج بدست آمده نشان میدهد ظهور مولفهی P300 در افراد گناهکار (که در اثر انکار شناخت نسبت به یک تصویر آشنا ایجاد میگردد)، افزایش تعیٌن و پیشبینی پذیری در مغز را به همراه دارد و این امر بیانگر کاهش پیچیدگی مغز در این افراد میباشد. در ادامه با بکارگیری الگوریتم ژنتیک در مرحلهی انتخاب ویژگی، طبقهبندی کنندهی LDA و روش جدید آستانهگذاری متغیر، صحت 89.7 درصد (تشخیص صحیح 45 نفر از 49 نفر) با تلفیق اطلاعات سه کانال Pz ،Cz و Fz حاصل گردید. </a>
In this study, Recurrence Plots (RPs) has been adapted as a nonlinear approach in order to detection of guilty subjects’ knowledge based on their single-trial ERPs. The dataset were acquired from 49 human subjects who were participated in a Concealed Information Test (CIT). According to the test protocol, guilty subjects denied their information about familiar faces, so the aim was to detect the concealed faces in these subjects. Recurrence quantifiers were employed in feature extraction stage. Chaotic dynamic of brain’s signals and figuring out the trajectories in phase space are two important issues that can be indicated in these quantifiers. Results demonstrate, that the appearance of P300 signals in guilty subjects (because of denying a familiar face), increase the determinism and predictability of their brain’s signals. Also using Genetic Algorithm (GA) in feature selection level together with Linear Discriminant Analysis (LDA) classifier and a new method named: “inconstant threshold detection”, we achieved an accuracy about 89.7% on combining information of Fz, Cz and Pz channels.
روش غیرخطی منحنیهای بازگشتی ، آزمون دانش فرد خطاکار ، سیگنال تک ثبت مغزی
Recurrence Plots Nonlinear Method, Guilty Knowledge Test, Single Trial ERPs
37
48
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-304-1&slc_lang=fa&sid=1
Amir hossein
Mehrnam
امیرحسین
مهرنام
amir_mehrnam@yahoo.com
1003194753284600552
1003194753284600552
Yes
Ali
Moti Nasr abadi
علی
مطیع نصرآبادی
1003194753284600553
1003194753284600553
No
دانشگاه شاهد
Mahrad
Ghodousi
مهراد
قدوسی
1003194753284600554
1003194753284600554
No
دانشگاه شاهد
Amin
Mohamadian
امین
محمدیان
1003194753284600555
1003194753284600555
No
دانشگاه امیرکبیر
Shahla
Torabi
شهلا
ترابی
1003194753284600556
1003194753284600556
No
دانشگاه امیرکبیر