{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK905",
        "title": "شناسایی احساس به کمک سیگنالهای الکتروانسفالوگرام مغزی در کاربردهای تعامل انسان و کامپیوتر",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1399",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK905",
        "title": "شناسایی احساس به کمک سیگنالهای الکتروانسفالوگرام مغزی در کاربردهای تعامل انسان و کامپیوتر",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1399,
        "authors": [
            {
                "name": "مرجان عباسی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "کلمات کلیدی (5 تا 7 کلیدواژه): الکتروانسفالوگرافی",
            "رابط مغز - کامپیوتر",
            "سیگنال مغزی",
            "BCI",
            "EEG"
        ],
        "abstract": "سیگنال‌های مغزی یا الکتروانسفالوگرافی (Electroencephalography) که فعالیت‌های الکتریکی مغز را نشان می‌دهند، توسط الکترود‌های قرار گرفته بر روی پوست سر دریافت، بهبود و ثبت می‌گردند. سیگنال‌های ثبت شده برای تشخیص های بالینی و سیستمهای شناسایی مبتنی بر تعامل انسان و کامپیوتر مورد استفاده قرار می‌گیرد.\r\nتشخیص احساسات از روی سیگنال‌های مغزی یک مساله بسیار پر‌چالش در حوزه رابط مغز - کامپیوتر ‌است. \r\nدر این پایان‌نامه از داده های پایگاه آزمایشگاه دانشگاه شانگهای استفاده شده است، این داده ها  از 4 نوع سیگنال احساس تشکیل شده است، که به وسیله نشان دادن 24 فیلم به 15 نفر در طی 3 دوره بدست آمده است، در واقع 24 فیلم با 4 احساس مختلف به این افراد نشان داده‌اند که در بین این 24 فیلم 6 مورد از آن احساس ترس،6 تا احساس شادی، 6 مورد احساس خنثی و 6 تای دیگر آن احساس ناراحتی را به افراد القا می نماید.\r\nدر گام اول ما به استخراج ویژگی های مناسب سیگنال می پردازیم، که توجه به مناسب ترین حالت از روش تبدیل سیگنال به تصویر و سپس استخراج ویژگی های هر حس  از تصویر پرداخته‌ایم، سپس در گام دوم  با توجه به ویژگی‌های استخراج شده از دو روش LSTM و CNN  استفاده کرده‌ایم که در روش CNN  برای چهار احساس (ترس، خنثی،شادی و ناراحتی) به دقت بالا و شناخت نزدیک به 100% رسیده است، اما برای احساس شادی این دقت نسبتا کمتر و در حدود 88% است. اما روش LSTM+CNN به دقت 95% برای خوشحالی و دقت خوبی برای دو احساس خنثی و ناراحتی رسیدیم اما در این روش شناسایی احساس ترس کمی دقت پایین‌تری تسبت به باقی احساسات دارد و در حدود 85% است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK905.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}