سامانه همایش ها

English

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Multi-Level Driver Fatigue Detection Using EEG Signals with CNN–LSTM Models in a Compressed Sensing Framework

نویسندگان :

Sobhan Sheykhivand¹ Nastaran Khaleghi²

1- Department of Biomedical Engineering Faculty of Interdisciplinary sciences and technologies Bonab, Iran 2- Department of Biomedical Engineering Faculty of Electrical and Computer Tabriz, Iran khaleghi@gmail.com

کلمات کلیدی :

driver fatigue،multi-level classification،CNN،LSTM،compressed sensing,،EEG

چکیده :

Driver fatigue is a major contributor to road accidents, leading to reduced attention, slower reaction times, and impaired decision-making. This study presents a multi-level fatigue detection framework based on electroencephalography (EEG) signals, in which a Convolutional Neural Network (CNN) is employed to extract spatial patterns, and a Long Short-Term Memory (LSTM) network is used to model temporal dynamics in a cascaded architecture. To handle the high dimensionality and redundancy of EEG data, Compressed Sensing (CS) is applied with various compression ratios. Experimental results demonstrate that the proposed system achieves over 90% accuracy and an F1-score above 90% in multi-level fatigue classification. Even at a compression ratio of CR = 40%, the accuracy remains above 90%, while reducing the data volume by approximately 40%. Additional analyses using sensitivity, specificity, Cohen’s kappa, and ROC curves confirm the superiority of the proposed approach compared to baseline models (without CS or with simpler architectures). These findings indicate that the proposed framework is well-suited for real-time, portable driver monitoring systems.

لیست مقالات

لیست مقالات بایگانی شده

AI Prospectors: Transforming Economic Geology with Machine Intelligence

Parinesa Moshefi

تاثیر کوته بینی مدیریتی بر عملکرد پایداری شرکت با تاکید بر هزینه های نمایندگی

رعنا شهدآور - مهدی پورعلی

بازاریابی محتوایی هوشمند: بازآفرینی تعامل کاربران و برندها با کمک هوش مصنوعی در رسانه‌های اجتماعی

پریسا جعفری - سیروس فخیمی آذر - سلیمان ایرانزاده - حسین بوداقی خواجه نوبر

بررسی تاثیر ارزش ویژه برند بر هوشمندسازی رفتار تبلیغاتی مصرف‌کنندگان موبایل با نقش میانجی گری عشق به برند(مطالعه موردی: برند سامسونگ)

زهرا علی میرزائی - حسین بوداقی

Biomedical Applications of Pectin Nanomaterials: Progress and Perspectives

Maryam Rajabzadeh-khosroshahi - Ali Baradar Khoshfetrat - Mehdi Salami-Kalajahi

EEG Graph Construction: A Comparative Analysis for Classification Application

Kiana Kalantari - Mohammad Bagher Shamsollahi

کاربرد هوش مصنوعی در پیش‌بینی دمای هوای ماهیانه

مریم حدادی

Dynamic Cross-Frequency Coupling Reveals Task Dependent Neural Engagement During Varying Cognitive Demands

Seyed Saman Sajadi - Babak Fazli - Fateme Karbasi - Ehsan Garosi - Milad Jalilian - Soheila Hosseinzadeh - Amir Homayoun Jafari - Seyed Abolfazl Zakerian

استقرار حاکمیت شرکتی در هوش مصنوعی در جهت منافع عمومی

رعنا شهدآور - الهام رضا پور - وحید حسین زاده قویدل - آیسان صدقی

A survey over deep learning methods for early detection in mammogram images

Zeinab Shirkool - Mohammad Ali Tabarzad - Reza Boostani

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2