Journal of Medical Council of Iran

fa طراحی سیستم پیشرفتهای برای بازشناسی احساسات بر اساس سیگنالهای مغزی و تصاویر چهره Developing an advanced System for emotion detection based on brain signals and facial عمومى General پژوهشي Research زمینه: با توجه به نقش احساسات در زندگی انسان، چنانچه به توان احساسات را همزمان با تحلیل حالت چهره، از طریق سیگنال EEG بازشناسی کرد، می‌توان حالت‌های احساسی واقعی را از تصنعی تشخیص داد. از مهم‌ترین کاربردهای این امر، دروغ‌سنجی و همچنین کمک به بیمارانی است که قادر به درک احساسات هستند اما از نشان دادن آن در چهره خود ناتوانند. روش کار: در این مطالعه آزمایش‌هایی برای ایجاد حالت‌های مختلف احساسی طراحی شده است. با توجه به فقدان مجموعه تحریک‌کننده‌های عاطفی برای انجام چنین مطالعاتی در فرهنگ ایرانی، علاوه بر بازشناسی احساسی، جمع‌آوری مجموعه تحریک‌کننده‌های عاطفی از دیگر اهداف این مطالعه بوده است. برای تحقق این اهداف 24 شرکت‌کننده شامل 16 مرد و 8 زن، از طریق سیستم تصاویر استاندارد عاطفی و مجموعه از فیلم‌هایی که با توجه به فرهنگ ایرانی جمع‌آوری شده‌اند تحریک می‌‌شوند. یافته‌ها: پس از بررسی روش‌های مختلف، ویژگی بعد فرکتال و طبقه‌بند  AdaBoost  به عنوان بهترین روش‌های بازشناسی انتخاب شدند و در بهترین حالت صحت 92% برای مجموعه محرک عاطفی و صحت 6/79% برای تصاویر استاندارد به دست آمده است. برای استقلال روش بازشناسی از جنسیت، بازشناسی به صورت مجزا در گروه زن و مرد انجام نشده و هر دو جنس را شامل می‌شود. نتیجه‌گیری: با وجود تفاوت در جنسیت شرکت‌کننده‌ها، نتایج به دست آمده نشان از قوی بودن روش‌های بازشناسی دارند. همچنین موفقیت بیشتر مجموعه فیلم‌های جمع‌آوری شده جهت تحریک عاطفی به وضوح دیده می‌شود. بنابراین استفاده از سیگنال EEG در کنار تحلیل حالت چهره می‌تواند مشکل مشخص نبودن احساسات از روی تصاویر چهره را برطرف کند. واژگان کلیدی: بازشناسی احساسات، سیگنال EEG، تحلیل حالت چهره، سیستم تصاویر استاندارد عاطفی، بعد فرکتال. Introduction: According to role of emotions in human’s life, if they can be recognized contemporary with facial expression by EEG signals, it can discriminate between real abd artificial emotions. This ability can be applied in lie detector and be also helpful to patients that able to feel emotions but can’t show it with facial expression. Methods: In this study, some emotion induction experiments were designed. But due to lack of emotion induction tools for doing such a research at Iranian culture, in addition to recognizing emotions, the second goal was to collect an emotion induction anthology or collection based on Iranian culture. To achieve these goals, 24 subjects including 16 males and 8 famales were under study by International Affective Picture System (IAPS) and movies with Iranian culture. Results: After reviewing various methods, fractal dimension and the AdaBoost classifier were selected as the best methods. 92% average accuracy was achieved from movies with Iranian culture and 79.6% average accracy was achieved for removing confounding effect of gender difference, emotion recognition was not performed separately for males and females and both sexes were included.  Conclusion: Despite gender differences in participants; the results show that recognition methods are very strong. Also the results show that culturally related movies get higher accuracy in comparison with IAPS. So using EEG signals along and concomitant by facial expressions can solve the problem of hiding emotions from facial images. Keywords: Emotion recognition, EEG signals, Facial expressions, International Affective Picture System, Fractal dimension. 27 40 http://jmciri.ir/browse.php?a_code=A-10-1-1615&slc_lang=fa&sid=1