طراحی روشی به منظور حذف کاف از دستگاه پلی گراف در آزمون دروغ سنجی با استفاده از شبکه عصبی پرسپترون چند لایه
محورهای موضوعی : مجله فناوری اطلاعات در طراحی مهندسی
محمدامین یونسی‌هروی
1
(
دانشگاه علوم پزشکی خراسان شمالی، بجنورد، ایران
)
مهدی آذرنوش
2
(
دانشگاه آزاد اسلامی، واحد مشهد، گروه مهندسی پزشکی، مشهد، ایران
)
کلید واژه: MLP Neural network, آزمون دروغ سنجی, دستگاه پلی گراف, شبکه عصبی پرسپترون چندلایه, فتوپلتیسموگراف, Lie Detection Test, Polygraphy System, PPG,
چکیده مقاله :
در دروغ سنجی متداول، برای اندازه گیری تغییرات نسبی فشارخون از یک کاف استفاده می گردد. در این مطالعه هدف ارائهروشی برای حذف کاف است؛ به گونه ای که اطلاعات فشارخون سرخرگی به نحو مناسب دیگری به دست آید. برای این منظوربر اساس ارتباط حجم خون شریانی و فشار خون، مدلی برای تخمین سیگنال تغییرات فشار خون ارائه می شود . مدلسازی با یکشبکه عصبی پرسپترون چندلایه انجام شده است. خروجی مدل ارائه شده با سیگنال تغییرات فشارخون، در 3 سطح سیگنال، ویژگیو طبقه بندی بررسی شده و با ارائۀ معیارهای ارزیابی مناسب، اعتبار مدل مورد سنجش قرار گرفته است. نتایج ارزیابی مدل نشان داد4 می تواند سیگنال تغییرات فشار خون را تخمین بزند. همچنین / 9 وتوان نسبی خطای % 4 / که مدل ارائه شده با مقدار خطای نسبی % 8با به کارگیری سیگنال تخمینی تغییرات فشار خون، 80 % صحت تشخیص دروغ به دست آمد که برابر با نتایج حاصل از کاف استو قابل قیاس با کارهای مشابه میباشد. بنابراین مطالعه حاضر با تخمین تغییرات فشار خون بر اساس حجم خون شریانی ب ه درصدصحت قابل مقایسه ای دست یافته است و می تواند بدون استفاده از کاف فشار خون به عنوان روش مناسبی برای سیستم های پلی -گرافی دروغ سنجی پیشنهاد شود.
Psychophysiologic verity test is a topic which is used widely in the world. Polygraphy system is usedfor recording the Psychophysiologic signals of a person in these tests and a cuff is used for measuringrelative changes of the arterial blood pressure and recording the velocity and power of the heart pulsein polygraph system. But the problem is that using cuff in various tests brings undesirable conditionsfor the body. The aim of this paper is to present a method for removing cuff in a way that desiredinformation is resulted in another way. This goal is followed by using arterial photoplethysmograhy.In order to do that, a model is presented which uses arterial volume to estimate blood pressure changessignal. This model was identified with MLP neural network. The output of this model is comparedwith blood pressure changes signal in three levels of signal, feature and classification. Reliability ofthe model was evaluated by presenting appropriate assessment criterions. The results were gained withthe 9.8% relative error, 4.4% relative error power and 80% accuracy of lie recognition in signalsassessed for blood pressure changes.According to the findings, the new method introduced in thisstudy has a comparable accuracy of results to the results of former methods while offering a morecomfortable recording and less diagnostic costs. This new method can be suggested for use as a liedetecting system.
_||_
