تشخیص زودهنگام خوابآلودگی در حین رانندگی مبتنی بر ادغام اطلاعات
عنوان اصلي به زبان ديگر
Early Detection of Driver Drowsiness Based on Data Fusion
نام نخستين پديدآور
/سارا نگاهبان
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، راشدی
مشخصات ظاهری
نام خاص و کميت اثر
۱۷۰ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسیپزشکی
زمان اعطا مدرک
۱۳۹۸/۱۱/۲۷
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
خستگی یک فرایند تدریجی و تجمعی است که با یک نوع عدم تمایل برای هر گونه تلاش، کاهش کارایی، هوشیاری و اختلال عملکرد ذهنی همراه است .خستگی ناشی از کمبود اگاهی، ضعف، کمرویی و بیحال بودن همراه با ضعف فیزیکی و روانی است .خستگی فیزیکی ناتوانی در ادامه عملکرد طبیعی بدن است .از سوی دیگر، خستگی ذهنی میتواند حالت کاهش فعالیت مغز و توابع شناختی مرتبط با آن در طول فعالیت ذهنی مداوم تعیین شود .خستگی روانی میتواند خود را بهعنوان خوابآلودگی) کاهش بیداری (یا کم توجهی، که لزوما تنها نشانگر خستگی نیستند، نشان دهد .یک آزمون شناختی ممکن است حالتهای مختلف خستگی ذهنی را متفاوت کند .خستگی روانی بهدلیل تاثیرات آن بر پرسنل که نیاز بهتوجه گستردهای در اجرای کار خود دارند، مانند رانندگان، خلبانان، نگهبانان و بهعلت اثرات آن بر بسیاری دیگر از بیومتریکهای انسانی، موضوع پژوهشی ضروری و جذاب است .این بهویژه بر فعالیت طبیعی مغز و همچنین پاسخ مغز به محرکهای مختلف تاثیر میگذارد .این اثرات را میتوان با بررسی و تجزیه و تحلیل سیگنالهایی مانندEEG ، ECG و تصاویر مانند fMRI شناخت .افسردگی، بیماری یا اختلال در حافظه که از نشانههای خستگی موقت هستند، ممکن است مداوم شوند .بنابراین، خستگی موقت، هنگامی که موضوع درگیر مشاغل حساس و بحرانی مانند رانندگی یا محافظت است، حساس میشود .خستگی واژهای عامتر از خوابآلودگی است .خوابآلودگی باعث افزایش زمان عکسالعمل میشود که یک عنصر مهم در رانندگی ایمن بهحساب میآید .همچنین باعث کاهش هوشیاری، تمرکز و توجه میشود بهطوری که توانایی انجام فعالیتهای توجه محور از قبیل رانندگی آسیب میبیند .همچنین در خوابآلودگی سرعت پردازش اطلاعات کاهش مییابد که بر روی کیفیت تصمیمگیری تاثیر میگذارد .خستگی و خوابآلودگی یکی از معضلات مهم و قابل بررسی در تصادفات جادهای محسوب میشوند که سالانه باعث مرگ و از کار افتادگی هزاران نفر در کشور و همچنین کل دنیا میشوند .سالانه پژوهشهای متعددی در کل دنیا بر روی دلایل خستگی رانندگان و راهکارهای مقابله و کاهش آن در حوزههای مختلف علوم انجام میگیرد .ارتباط عمیق حمل ونقل با زندگی روزمره مردم از نقطه نظر دسترسی به خدمات و رفاه اجتماعی و نقش اساسی آن در ارتقاء سطح زندگی مردم، بیانگر نقش و اهمیت حمل ونقل میباشد که سلامت انسانها را به خطر انداخته است .صدمات ناشی از این حوادث چنان گسترده است که بهعنوان جنگ در جادهها یاد میشود .به دلیل اهمیت زیاد این موضوع، در این مطالعه به تشخیص زودهنگام خوابآلودگی رانندگان با استفاده از مدل تشخیص خستگی راننده براساس ادغام اطلاعات و شبکه دینامیک بیزین و چندین ویژگی متنی و فیزیولوژیکی پرداخته میشود .این مدل شامل ویژگیهای فیزیولوژیکی مخاطب) به عنوان مثالEEG ، ECG و EOG)میشود و از مدل مارکوف مخفی مرتبه اول برای محاسبه دینامیک شبکهی بیزی در برشهای زمانی استفاده میشود .دادههای فیزیولوژیکی از ۱۰ نفر (۶نفر زن و ۴نفرمرد (با محرومیت از خواب در طول ۲۴ ساعت قبل از انجام تست، ثبت شدند .اعتبار مدل با معیارخوابآلودگی کرولینسکا (KSS) که توسط خود شخص در هر ده دقیقه حین ثبت امتیازدهی میشود، سنجیده میشود، که اثربخشی سیستم پیشنهادی را نشان میدهد .همچنین سیگنال EEG توسط متخصص ارزیابی شده است .نشان داده شده است که برخی از ویژگیهای فیزیولوژیکی) بهخصوص EEG) عامل مهمی برای استنباط وضعیت خستگی راننده هستند
متن يادداشت
Fatigue is a gradual and accumulative procedure which is along with unwillingness for any effort, reduced efficiency, consciousness and mental dysfunction. It is result of awareness defect, weakness timidness and faintness along with physical and mental failure. The physical fatigue is inability in proceeding of normal body function. On the other hand, the mental fatigue could be determined by reduced brain activity and cognitive functions related it during continuous mental activity. The mental fatigue (exhaustion) could show itself as sleepiness (reduced vigilance) or negligence which necessary not only indication of fatigue. One cognition test could distinguish different states of mental fatigue. Mental fatigue is an attractive and necessary research subject because of its effects on staff who need for extensive focus in own job such as drivers, pilots, guards and because of its effects on other more human biometrics. In particular, it affects on normal function of brain and also its reaction to different stimulus. These effects could be recognized by review, and analysis of signals such as EEG, ECG and images such FMRI. Depression, illness or dysfunction in memory which are of temporary fatigue signs could become persistent. Thus, temporary fatigue will be so important in the vulnerable occupations such as driving or guarding. Fatigue is more general word than sleepiness, sleepiness causes to increased reaction time which is one main element in safe driving. Also it leads to reduced consciousness, concentration and attention so that such damages on ability of doing focus-based jobs such as driving. Also, in sleepiness, the rate of data process, reduces which affect on quality of decision-marking. Fatigue and sleepiness are of main problems in road accidents which cause to fatality and disability of thousands persons in the country as well as thorough the world. Annually, several research are conducted on the reasons of drivers fatigue and solutions to reduce it in different science areas. The deep relation of transportation with everyday life of people, in terms of access to services, social welfare and its main role in promotion of living level of people of indicate the role and importance of transportation which endangered the healthiness of humans. Damages result of such accidents are so extensive which is referred as war on the roads. Because of so importance of this subject, in the present research, we apply to early diagnosis of drivers sleepiness by driver fatigue diagnosis model based an integration of data and Bayesian dynamic network and some content and physiologic features. This model includes physiologic features of the subject (e.g EOG, ECG and EEG) and first order Hidden Markov model is utilized to dynamic calculation of Bayesian network in different time slices. The physiologic data of 10 persons (6 female & 4 male) by sleep deprivation during 24h before test, has been recorded. The validity of model is evaluated with Karolinska sleepiness scale (KSS) which scored by the subject every 10 minutes during recording, that show the effectiveness of proposed system. Also, the EEG signal was evaluated by an expert. It was shown that some of physiologic features (in particular EEG) is a main factor to infer the fatigue state of driver
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Early Detection of Driver Drowsiness Based on Data Fusion
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )