برهمکنش انسان و رایانه
هادی سلطانی زاده؛ پوریا شریفی؛ علی مالکی
دوره 16، شماره 3 ، آذر 1401، ، صفحه 241-255
چکیده
از دست دادن صدا و حنجره یک معضل بزرگ برای افراد با اختلالات گفتاری محسوب میشود. این اتفاق عواقب جدی و منفی بر کیفیت زندگی فردی و گروهی این اشخاص به ویژه در محیطهای کاری ایجاد میکند. توسعه یک سیستم هوشمند بر پایه سیگنالهای الکترومایوگرام با قابلیت تشخیص گفتار (بدون استفاده از صوت) میتواند دریچه امیدی برای افرادی که حنجره و ...
بیشتر
از دست دادن صدا و حنجره یک معضل بزرگ برای افراد با اختلالات گفتاری محسوب میشود. این اتفاق عواقب جدی و منفی بر کیفیت زندگی فردی و گروهی این اشخاص به ویژه در محیطهای کاری ایجاد میکند. توسعه یک سیستم هوشمند بر پایه سیگنالهای الکترومایوگرام با قابلیت تشخیص گفتار (بدون استفاده از صوت) میتواند دریچه امیدی برای افرادی که حنجره و صدای خود را بر اثر سرطان از دست دادهاند باشد. اگرچه در این حوزه پژوهشهایی برای زبانهای مختلف انجام شده است اما برای زبان فارسی پژوهشی صورت نگرفته است. در این مقاله برای اولین بار، بازشناسی واژگان فارسی با استفاده از الکترومایوگرام عضلات چهره انجام پذیرفت. بدین منظور، سیگنالهای sEMG از هشت عضله چهره شش داوطلب هنگام بیان دوازده کلمه زبان فارسی جمعآوری شد. سپس ویژگیهای MFL، VAR، DAMV، LTKE، IQR و Cardinality از هر کانال و هر پنجره از سیگنال استخراج گردید و 432 ویژگی حاصل از هر سیگنال با استفاده از روش تحلیل مؤلفه اصلی به 49 ویژگی تقلیل یافت. درنهایت به منظور بازشناسی دوازده کلمه زبان فارسی، ویژگیها به طبقهبندهای SVM، KNN و RF داده شد. میانگین صحت طبقهبندی به ترتیب 16/83 %، 91/81 % و 97/78 % به دست آمد. ارزیابی نتایج این مقاله گویای آن است که با استفاده از سیگنالهای EMG میتوان کلمات محدود زبان فارسی را با صحت خوبی بازشناسی نمود.
امیر بابااوغلی؛ هادی سلطانیزاده
دوره 13، شماره 3 ، مهر 1398، ، صفحه 235-246
چکیده
بیماریهای مرتبط با شبکیه و ماکولای چشم باعث از دست رفتن دائمی بینایی یا کاهش بسیار زیاد دید در افراد شده و موجب پایین آمدن کیفیت زندگی و ایجاد مشکلات فراوان در زندگی روزمرهی بیماران میشود. از اینرو شناسایی به هنگام و درست این بیماریها و اختلالات از اهمیت بسیار زیادی برخوردار است. روش تصویربرداری مقطعنگاری همدوسی اپتیکی ...
بیشتر
بیماریهای مرتبط با شبکیه و ماکولای چشم باعث از دست رفتن دائمی بینایی یا کاهش بسیار زیاد دید در افراد شده و موجب پایین آمدن کیفیت زندگی و ایجاد مشکلات فراوان در زندگی روزمرهی بیماران میشود. از اینرو شناسایی به هنگام و درست این بیماریها و اختلالات از اهمیت بسیار زیادی برخوردار است. روش تصویربرداری مقطعنگاری همدوسی اپتیکی دقت بالایی در تصویربرداری داشته و همچنین اطلاعات عمقی از شبکیه ارائه میدهد. این روش تصویربرداری کمک بسیار زیادی به شناسایی دقیق بیماریهای مرتبط با ماکولا کرده است. یکی از شایعترین بیماریهای شبکیهی چشم، بیماری دژنراسیون وابسته به سن ماکولا است. هدف از انجام این پژوهش طراحی و پیادهسازی سیستمی قابل اعتماد و سریع است که بتواند بیماری دژنراسیون وابسته به سن ماکولا را با استفاده از پردازش تصاویر مقطعنگاری همدوسی اپتیکی به خوبی و با دقت و سرعت بالا شناسایی کند. در این مطالعه از روشهای هیستوگرام گرادیانهای جهتدار و تحلیل مولفهی اصلی برای استخراج ویژگیها و از روش طبقهبندی گروهی AdaBoost جهت طبقهبندی دادهها استفاده شده است. پایگاه دادهی مورد استفاده در این مقاله شامل 269 فرد بیمار و 115 فرد سالم است. هر سه شاخص دقت، حساسیت و خاصیت سیستم پیادهسازی شده برابر با 100% اندازهگیری شده است.