[국내논문]자폐스펙트럼장애 진단 및 치료를 위한 감성 컴퓨팅 기술 동향 분석 Trend Analysis of Affective Computing Technology for Diagnosis and Therapy of Autistic Spectrum Disorder원문보기
자폐스펙트럼장애는 91명당 1명이 문제를 보인다고 보고되었으며 이는 우리나라 암 발생률보다도 높은 수준이지만, 국내에서는 제대로 된 진단 및 치료가 이루어지고 있지 않아 사회적으로 심각한 복지 사각지대에 있다. 자폐스펙트럼장애 아동의 경우 자신의 정서 상태를 제대로 표현하지 못하여 기존의 치료 및 교육 방법에 제약이 많기 때문에, 장애 아동의 정서를 실시간으로 인지하여 활용할 수 있는 새로운 개념의 치료 시스템의 개발이 요구된다. 본 논문에서는 생체신호 감지를 통한 정서 상태 인지 기술 및 가상 감성 에이전트(agent)모델링 기술을 포함한 감성 컴퓨팅 기술에 대하여 기술 동향 분석 결과를 제시하고, 새로운 자폐스펙 트럼장애 진단 및 치료를 위한 시스템 구성방식을 제안한다. 제안된 시스템은 뇌파 등의 생체신호로 부터 자폐아동의 정서 상태를 인지하기 위한 생체신호 감지 모듈, 가상현실 환경에서 자폐아동이 감성 에이전트와 사회적 상호작용을 하면서 다양한 진단 및 치료 시나리오를 수행하기 위한 가상 감성 에이전트 환경 모듈, 역감 교류(hapticinterface)장치를 이용하여 자폐아동의 행동 입력이 가능하게 하고, 힘 반력을 자폐아동에게 전달해 주기 위한 역감 교류 모듈로 구성된다. 본 논문에서 제안한 시스템을 통해 자폐스펙트럼장애를 객관적으로 진단할 수 있으며, 생활 속에서 지속적인 치료를 가능하게 할 수 있을 것으로 기대된다.
자폐스펙트럼장애는 91명당 1명이 문제를 보인다고 보고되었으며 이는 우리나라 암 발생률보다도 높은 수준이지만, 국내에서는 제대로 된 진단 및 치료가 이루어지고 있지 않아 사회적으로 심각한 복지 사각지대에 있다. 자폐스펙트럼장애 아동의 경우 자신의 정서 상태를 제대로 표현하지 못하여 기존의 치료 및 교육 방법에 제약이 많기 때문에, 장애 아동의 정서를 실시간으로 인지하여 활용할 수 있는 새로운 개념의 치료 시스템의 개발이 요구된다. 본 논문에서는 생체신호 감지를 통한 정서 상태 인지 기술 및 가상 감성 에이전트(agent) 모델링 기술을 포함한 감성 컴퓨팅 기술에 대하여 기술 동향 분석 결과를 제시하고, 새로운 자폐스펙 트럼장애 진단 및 치료를 위한 시스템 구성방식을 제안한다. 제안된 시스템은 뇌파 등의 생체신호로 부터 자폐아동의 정서 상태를 인지하기 위한 생체신호 감지 모듈, 가상현실 환경에서 자폐아동이 감성 에이전트와 사회적 상호작용을 하면서 다양한 진단 및 치료 시나리오를 수행하기 위한 가상 감성 에이전트 환경 모듈, 역감 교류(haptic interface)장치를 이용하여 자폐아동의 행동 입력이 가능하게 하고, 힘 반력을 자폐아동에게 전달해 주기 위한 역감 교류 모듈로 구성된다. 본 논문에서 제안한 시스템을 통해 자폐스펙트럼장애를 객관적으로 진단할 수 있으며, 생활 속에서 지속적인 치료를 가능하게 할 수 있을 것으로 기대된다.
It is known that as many as 1 in 91 children are diagnosed with an autistic spectrum disorder, and the incidence rate of the autistic spectrum disorder is much higher than that of cancer in Korea. It is necessary to develop a novel technology to sense their emotional status and give proper psycholog...
It is known that as many as 1 in 91 children are diagnosed with an autistic spectrum disorder, and the incidence rate of the autistic spectrum disorder is much higher than that of cancer in Korea. It is necessary to develop a novel technology to sense their emotional status and give proper psychological diagnosis and therapy, since the children with autistic spectrum disorder usually do not express their own emotional status. This article presents the state-of-the-arts on the affective computing technologies that include recognition of emotional status through bio-sensing and virtual affective agent modeling, and then proposes a novel system architecture for diagnosis and therapy of autistic spectrum disorder. The diagnosis and therapy system of autistic spectrum disorder is composed of bio-sensing module, virtual environment module with affective agents, and haptic interface module. The architecture proposed in this paper will enhance the objectivity to diagnose autism spectrum disorders, and enable continuous treatment in daily life.
It is known that as many as 1 in 91 children are diagnosed with an autistic spectrum disorder, and the incidence rate of the autistic spectrum disorder is much higher than that of cancer in Korea. It is necessary to develop a novel technology to sense their emotional status and give proper psychological diagnosis and therapy, since the children with autistic spectrum disorder usually do not express their own emotional status. This article presents the state-of-the-arts on the affective computing technologies that include recognition of emotional status through bio-sensing and virtual affective agent modeling, and then proposes a novel system architecture for diagnosis and therapy of autistic spectrum disorder. The diagnosis and therapy system of autistic spectrum disorder is composed of bio-sensing module, virtual environment module with affective agents, and haptic interface module. The architecture proposed in this paper will enhance the objectivity to diagnose autism spectrum disorders, and enable continuous treatment in daily life.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 자폐스펙트럼장애의 진단 및 치료에 감성 컴퓨팅 기술을 새롭게 접목하기 위하여, 이와 관련하여 현재까지 연구되어 온 기술들의 동향을 분석하고 새로운 진단 및 치료 시스템 구성을 제시하는 것을 목적으로 한다. 여기서 감성 컴퓨팅이란 인간의 감성 발현 절차를 이해하고 이를 컴퓨터에 적용하여 감성 지능을 부여하기 위한 기술을 의미한다.
본 논문은 감성 컴퓨팅 기술에 대한 동향 분석을 통해 자폐스펙트럼장애 아동의 진단 및 치료에 응용가능한 새로운 감성 컴퓨팅 시스템 구성을 제안하였다. 제안된 방법은 이미 심리 치료 분야에서 적용되어 활용되고 있는 가상현실 기술에 생체신호 감지를 통한 정서 인지 기술과 감성 에이전트 기술을 유기적으로 융합함으로써 보다 객관적이고 효과적인 진단 및 치료 환경을 제공해 주는 데 특징이 있다.
제안 방법
Bartlett 외(2003)는 짧은 시간 동안의 표정을 보고 정서를 판단할 수 있는 방법을 제안하였 다. 무감정, 노여움, 역겨움, 무서움, 기쁨, 슬픔, 놀람의 7가지 감성을 SVM(Support Vector Machine)을 이용하여 구분하였으며, 소니의 아이보(AIBO), ATR 사의 RoboVie, CU 애니메이터 등 다양한 플랫폼에 적용하여 제안된 방법의 유효성을 검증하였다. Nwe 외(2003)는 은닉 마코프 모델(hidden Markov model)을 이용한 정서 인지 방법을 제안하여 노여움, 역겨움, 공포, 즐거움, 슬픔, 놀람의 6가지 정서를 음성 정보를 통하여 평균 78%의 정확도로 구분하였다.
Broek 외(2009)는 세 지점의 얼굴 근전도와 피부전기 반응 신호를 이용하여 무감성, 긍정, 부정, 복합 정서의 4가지 정서를 구분하는 연구를 수행하였다. 이 때 근전도에 대해서는 평균, 표준편차, 절대오차, 분산, 첨도(kurtosis), 왜도 (skewness)를 사용하였으며, 피부전기 반응에 대해서는 왜도를 특징으로 사용하였고, 특징 구분을 위해서 k-NN(k-Nearest Neighbors), SVM, NN(Neural Networks)을 적용하였다. 이러한 방법을 통하여 23명을 대상으로 각각 61%, 59%, 56%의 정확도로 4가지 정서를 구분하였다.
이 때 근전도에 대해서는 평균, 표준편차, 절대오차, 분산, 첨도(kurtosis), 왜도 (skewness)를 사용하였으며, 피부전기 반응에 대해서는 왜도를 특징으로 사용하였고, 특징 구분을 위해서 k-NN(k-Nearest Neighbors), SVM, NN(Neural Networks)을 적용하였다. 이러한 방법을 통하여 23명을 대상으로 각각 61%, 59%, 56%의 정확도로 4가지 정서를 구분하였다. Kulic과 Croft(2005)는 생체신호를 이용하여 인간과 로봇의 상호작용을 불안이라는 감성의 측면에서 파악하였다.
본 논문에서 제안하는 자폐스펙트럼장애 진단 시스템은 가상현실 내에서 가상 에이전트를 통해서 자극을 준 후 자폐아동의 정서 변화 반응을 관찰하여 자폐스펙트럼장애 정도를 분석함으로써, 전문의의 최종 진단을 보조하는 역할을 한다. 자페스펙트럼장애 진단 시스템의 시스템 구성은 그림 4와 같으며 가상에 이전트 환경 모듈, 역감 교류 모듈, 생체신호 감지 모듈, 감성 정보 분석 및 진단 모듈로 구성된다.
제안된 방법은 이미 심리 치료 분야에서 적용되어 활용되고 있는 가상현실 기술에 생체신호 감지를 통한 정서 인지 기술과 감성 에이전트 기술을 유기적으로 융합함으로써 보다 객관적이고 효과적인 진단 및 치료 환경을 제공해 주는 데 특징이 있다.
7%의 정확도로 구분하였다. 한 사람을 대상으로 하였으며, 구분은 SVM 방법을 적용하였다. 많은 전극을 사용하지 않아 정확도가 높지 않지만, 소수의 뇌파 신호를 가지고도 여러 정서를 구분할 수 있는 가능성을 보였다는데 의의가 있다.
이론/모형
Kulic과 Croft(2005)는 생체신호를 이용하여 인간과 로봇의 상호작용을 불안이라는 감성의 측면에서 파악하였다. 이때 사용한 생체신호는 심전도, 피부 전기전도성, 근전도 신호이며, 정서 인지는 퍼지추론을 이용하였다. 퍼지추론의 입력 값으로 심박수, 심박의 가속도 성분, 피부전기전도성, 피부전기전도성의 변화율, 근전도의 반응을 이용하였으며 －1에서 +1사이의 값으로 규격화(normalize)한 값을 사용하였다.
성능/효과
Picard 외(2001)는 근전도, 혈액량 펄스, 피부전기 전도성, 호흡 신호를 이용하여 무감성, 노여움, 증오, 슬픔, 플라토닉 사랑, 로맨틱한 사랑, 기쁨, 경외심의 8가지 정서를 구분하는 방법을 제안하였다. 그들은 한 사람을 대상으로 하여 반복적인 측정을 통해 생체신호의 특징들이 측정 날짜에 따라 다른 특성을 가지는 것을 알아내었으며, 이것을 보정하는 방법을 제안하여 동일인에 대해서는 81% 정도의 신뢰도를 가지는 정서 인지가 가능함을 보였다. Broek 외(2009)는 세 지점의 얼굴 근전도와 피부전기 반응 신호를 이용하여 무감성, 긍정, 부정, 복합 정서의 4가지 정서를 구분하는 연구를 수행하였다.
퍼지추론의 입력 값으로 심박수, 심박의 가속도 성분, 피부전기전도성, 피부전기전도성의 변화율, 근전도의 반응을 이용하였으며 －1에서 +1사이의 값으로 규격화(normalize)한 값을 사용하였다. 이 연구는 사람에게 불안감을 덜 주는 로봇의 운동이 존재함을 증명하여 로봇의 운동을 설계할 때 인간의 정서를 고려하는 것이 유용함을 보였다.
후속연구
여기서 감성 컴퓨팅이란 인간의 감성 발현 절차를 이해하고 이를 컴퓨터에 적용하여 감성 지능을 부여하기 위한 기술을 의미한다. 즉, 자폐 아동들의 생체신호로부터 정서 상태를 인지하고 가상의 감성 에이전트(virtual affective agent)와 상호작용하는 기술은 자폐아동의 초보적 상호작용 진단 및 치료에 응용될 수 있을 것이다. 여기서 가상 감성 에이전트란 소프트웨어적으로 구현되는 가상의 개체로서, 인간-컴퓨터 사이의 보다 자연스러운 상호작용을 위한 감성 모델 및 감성 발현 절차 알고리즘을 포함한다.
벨기에의 ANTY사는 시각, 청각, 감각 센서를 갖추어 어린이들과 상호작용을 할 수 있는 코끼리 모양의 감성 로봇 프로보(Probo)를 제작하였다(Probo Project, 2010). 이 로봇은 화난 표정, 기쁜 표정, 두려운 표정 등 다양한 얼굴 표정을 지을 수 있어 병원에서 장기간 치료를 받는 어린이들에게 외로움을 덜어 주고 사회적 상호작용 기술을 익히는데 도움을 줄 것으로 예상된다. 한국전자통신연구원에서는 놀람, 기쁨, 슬픔 등 감성 표현이 가능한 코알라 로봇 코비(Coby)를 개발하였다.
한국전자통신연구원에서는 놀람, 기쁨, 슬픔 등 감성 표현이 가능한 코알라 로봇 코비(Coby)를 개발하였다. 이 로봇은 신체 접촉을 통해 이용자에게 정서적 안정과 흥미를 주어 심리적 안정감이 필요한 환자의 치료에 활용될 것으로 기대된다(한국전자통신연구원, 2007). 영국의 Hertfordshire 대학 컴퓨터 과학과의 적응 시스템 연구 그룹에서는 감성 로봇이 자폐아동의 교육 또는 심리치료에 미치는 영향에 대한 연구를 1998년부터 진행하고 있다(Aurora Project, 2010).
자폐스펙트럼장애 진단과 치료를 위해서는 다양한 정서의 인지가 필요하다. 표 2에서 볼 수 있듯 이 심전도 신호는 공포, 화남, 슬픔, 행복과 같은 정서를 구분하는 데 유용하게 사용될 수 있으나 아직까지 70% 정도의 정확도를 보이고 있어 추가적인 연구가 필요하다. 뇌파 신호의 경우는 5가지의 주파수 대역에 따라 다양한 정서 상태를 알아낼 수 있는 가능성을 보이고 있으며, 최근에 정서 인지 분야에 활용하기 위해 연구가 활발히 진행 중이다.
또 역감 교류를 이용하여 자신의 아바타(avatar)를 조작함과 동시에 필요시에는 힘 반력의 물리적 자극을 자폐아동에게 주는 것도 가능하다는 특징이 있다. 또한 치료 시나리오를 수행하면서 자폐아동의 생체신호를 분석하여 자폐아 동에게 발현되는 정서 상태를 인지하여 관찰하고, 정량적으로 측정된 정서 상태 데이터는 전문의에게 온라인으로 보내주어 보다 객관적으로 자폐아동의 상태를 진단하고 치료하는데 응용될 수 있다.
감성 컴퓨팅 기술을 자폐스펙트럼장애 아동의 진단 및 치료에 보다 효과적으로 응용하기 위해서는 다양한 생체신호를 이용하여 자신의 정서 상태를 제대로 표현하지 못하는 자폐아동의 정서를 인지하는 기술이 요구되며, 인지된 정서 정보를 자폐아동의 치료에 적절히 활용하기 위한 감성 에이전트 기술에 대한 깊이 있는 연구가 필요하다. 생체신호 감지는 뇌파를 기반으로 하여 근전도, 심전도, 체온 등과 같이 보조적인 생체신호를 추가적으로 이용한 다중 생체신호 감지가 유용할 것으로 보이며, 휴대용 뇌파 밴드와 같이 일상생활에 불편함이 없는 소형 장치가 개발되고 있어 생체신호를 이용한 정서 상태 인지는 더욱 효과적으로 이용될 수 있을 것으로 기대가 된다.
감성 컴퓨팅 기술을 자폐스펙트럼장애 아동의 진단 및 치료에 보다 효과적으로 응용하기 위해서는 다양한 생체신호를 이용하여 자신의 정서 상태를 제대로 표현하지 못하는 자폐아동의 정서를 인지하는 기술이 요구되며, 인지된 정서 정보를 자폐아동의 치료에 적절히 활용하기 위한 감성 에이전트 기술에 대한 깊이 있는 연구가 필요하다. 생체신호 감지는 뇌파를 기반으로 하여 근전도, 심전도, 체온 등과 같이 보조적인 생체신호를 추가적으로 이용한 다중 생체신호 감지가 유용할 것으로 보이며, 휴대용 뇌파 밴드와 같이 일상생활에 불편함이 없는 소형 장치가 개발되고 있어 생체신호를 이용한 정서 상태 인지는 더욱 효과적으로 이용될 수 있을 것으로 기대가 된다. 정서 상태 인지와 관련된 기존 기술 분석결과 생체신호를 통해 정서의 구분이 가능함을 알 수 있었으나, 구분이 가능한 정서의 종류가 즐거움, 무감성, 불쾌함과 같이 몇 종류의 정서로 제한되며 신뢰도 측면에서도 만족할만한 성과는 보이고 있지 않다.
정서 상태 인지와 관련된 기존 기술 분석결과 생체신호를 통해 정서의 구분이 가능함을 알 수 있었으나, 구분이 가능한 정서의 종류가 즐거움, 무감성, 불쾌함과 같이 몇 종류의 정서로 제한되며 신뢰도 측면에서도 만족할만한 성과는 보이고 있지 않다. 따라서 정서의 종류를 다양화할 필요가 있으며 신뢰도를 높이는 것이 추후 연구 과제로 남아있다.
생체신호 측정 장치가 소형화되고, 다중 센서 장치를 통해 감성 인지의 신뢰도를 높인다면, 본 논문에서 제안한 시스템 구성을 통해 자폐스펙트럼장애를 객관적으로 진단할 수 있으며, 생활 속에서 지속적인 치료가 가능하게 될 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
자폐스펙트럼장애 아동 치료에 소요되는 경제적, 사회적 비용이 큰 이유는 무엇인가?
자폐스펙트럼장애의 치료 방법으로는 교육프로그램, 상호의사소통의 강화, 청각훈련, 행동수정, 식사조절, 약물, 음악요법, 물리치료, 작업치료, 감각통합, 시각요법 등이 알려져 있으나, 서로 다른 증상 정도를 가지고 있는 각 아동마다 적합한 치료 방법을 찾기가 어렵다. 일반적으로 부모가 항상 아이를 지켜보며 증상을 관찰하고 전문기관의 도움을 받아 언어표현, 근육운동, 사회성 강화, 상호의사소통 강화 등을 지도해 주어야 하므로 치료에 소요되는 경제적, 사회적 비용이 크다. 또, 자폐스펙트럼장애 아동의 경우 자신의 정서 상태를 제대로 표현하지 못하여 치료 및 교육에 제약이 많다.
자폐증이란 무엇인가?
자폐증이란 약 3세 이전부터 언어 표현 및 이해, 어머니와의 애착 행동, 사람들과의 놀이에 대한 관심이 저조해지는 양상으로부터 시작하여, 3세 이후엔 또래 에 대한 관심의 부족, 반복행동, 놀이행동의 심한 위축, 인지 발달의 저하 등이 함께 나타나는 발달상의 장애이며, 전반적 발달장애라고도 한다. 좁은 의미의 자폐증은 미국에서 150명당 1명꼴로 발생하며 가벼운 증상의 아동들까지 포함하는 자폐스펙트럼장애의 경우에는 91명당 1명까지도 문제점을 보인다고 한다 (ISAAC Foundation, 2010).
자폐스펙트럼장애의 치료 방법은 무엇인가?
자폐스펙트럼장애의 치료 방법으로는 교육프로그램, 상호의사소통의 강화, 청각훈련, 행동수정, 식사조절, 약물, 음악요법, 물리치료, 작업치료, 감각통합, 시각요법 등이 알려져 있으나, 서로 다른 증상 정도를 가지고 있는 각 아동마다 적합한 치료 방법을 찾기가 어렵다. 일반적으로 부모가 항상 아이를 지켜보며 증상을 관찰하고 전문기관의 도움을 받아 언어표현, 근육운동, 사회성 강화, 상호의사소통 강화 등을 지도해 주어야 하므로 치료에 소요되는 경제적, 사회적 비용이 크다.
참고문헌 (48)
국립암센터 (2010). http://www.ncc.re.kr/
보건복지가족부 정책통계포털 (2009). http://stat.mw.go.kr/
한국전자통신연구원 (2007). ETRI, 감성로봇 코비, 래비 첫 개발 http://www.etri.re.kr/bbs/view.etri? b_board_id ETRI06&b_idx2247
Arnold, M. B. & Gasson, S. J. (1954). Feelings and emotions as dynamic factors in personality integration. In M. B. Arnold (Ed.), The Human Person: An Approach to an Integral Theory of Personality. New York: Ronald Press.
Bartlett, M. S., Littlewort, G., Fasel, I., & Movellan, J. R. (2003). Real time face detection and facial expression recognition: development and applications to HCI. Proc. CVPR Workshop on Computer Vision and Pattern Recognition for Human-Computer Interaction, 6-11.
Benedek, J. & Hazlett, R. L. (2005). Incorporating facial EMG emotion measures as feedback in the software design process, Conference on Human Factors in Computing Systems, 2-7.
Bos, D. O. (2006). EEG-based emotion recognition, [Online]. Available: http://hmi.ewi.utwente.nl/ verslagen/ capita-selecta/CS-Oude_Bos-Danny. pdf.
Broek, E. L., Lisy, V. Westerink, J., Schut, M. H., & Tuinenbreijer, K. (2009). Biosignals as an advanced man-machine interface, International joint conference on biomedical engineering systems and technologies, 15-24.
Center for the Study of Emotion and Attention. (1999). International affective picture system (IAPS): Technical manual and affective rating. NIMH-Center for the Study of Emotion and Attention, University of Florida, Gainesville, FL.
Dautenhahn, K. (1998). The Art of designing socially intelligent agents: Science, fiction and the human in the loop. Applied Artificial Intelligence Journal, Special Issue on Socially Intelligent Agents, 12(7-8), 573-619.
Dawson, M. E., Schell, A. M., & Braaten, J. R. (1985). Diagnostic utility of autonomic measures for major depressive disorders, Psychiatry Research, 15, 261- 270.
El-Nasr, M. S., Yen, J., & Ioerger, T. R. (2000). FLAME - Fuzzy logic adaptive model of emotions. Autonomous Agents and Multi-Agent Systems, 3(3), 219-257.
Elliot, C. (1992). The Affective Reasoner: A Process Model of Emotions in a Multi-Agent System. Institute for the Learning Sciences, Evanston, IL: Northwestern University, Ph. D. Dissertation.
Frijda, N. H. & Swagerman, J. (1987). Can computers feel? Theory and design of an emotional system. Cognition and Emotion, 1(3), 235-257.
Fusar-Poli, P., Landi, P., & O'Connor, C. (2009). Neurophysiological response to emotional faces with increasing intensity of fear: A skin conductance response study, Journal of Clinical Neuroscience, 16(7), 981-982
ISAAC Foundation (2010). Facts about autism, http://theisaacfoundation.org/facts-about-autism/
Jong, P. J., Peters, M., & Vanderhallen, I. (2002). Disgust and disgust sensitivity in spider phobia: facial EMG in response to spider and oral disgust imagery, Journal of Anxiety Disorders, 16, 477-493.
Kulic, D. & Croft, E. (2005). Anxiety detection during human-robot interaction, IEEE International Conference on Intelligent Robots and Systems, 616-621.
LeDoux, L. (1996). The Emotional Brain. New York: Simon & Schuster.
Madsen, M., el Kaliouby, R., Goodwin, M., & Picard, R. W. (2008). Technology for just-in-time in-situ learning of facial affect for persons diagnosed with an autism spectrum disorder. in Proceedings of the 10th ACM Conference on Computers and Accessibility (ASSETS), Oct. 13-15, 2008, Halifax, Canada.
Maes, P. (1995). Artificial life meets entertainment: Lifelike autonomous agents. Communications of the ACM Special Issue on Novel Applications of AI, 38(11), 108-114.
Maria, K. A. & Zitar, R. A. (2008). Emotional agent modeling, in simulation and modeling: Current technologies and applications. New York: IGI Publishing.
Marsella, S. C. & Gratch, J., (2009). EMA: A Process model of appraisal dynamics. Cognitive Systems Research, 10, 70-90.
Metallinou, A., Lee, S., & Narayanan, S. (2008). Audiovisual emotion recognition using gaussian mixture models for face and voice, IEEE International Symposium on Multimedia, 250-257.
Muller, M. M., Keil, A., Cruber, T., & Elbert, T. (1999). Processing of affective pictures modulates righthemispheric gamma band EEG activity, Clinical Neurophysiology, 110, 1913- 1920.
Nakanishi R. & Imai-Matsumura, K. (2008). Facial skin temperature decreases in infants with joyful expression, Infant Behavior and Development, 31(1), 137-144.
Oathes, D. J., Ray, W. J., Yamasaki, A. S., Borkovec, T. D., Castonguay, L. G. Newman, M. G., & Nitschke, J. (2008). Worry, generalized anxiety disorder, and emotion: evidence from the EEG gamma band, Biological Psychology, 79(2), 165-170.
Picard, R. W. & Goodwin, M. (2008). Innovative technology: The future of personalized autism research and treatment, Autism Advocate, First Edition, 50(1), 32-39.
Picard, R. W., Vyzas, E., & Healey, J. (2001). Toward machine emotional intelligence: analysis of affective physiological state, IEEE Transactions Pattern Analysis and Machine Intelligence, 23(10), 1175-1191.
Puri, C., Olson, L., Pavlidis, L., Levine, J., & Starren, J. (2005). StressCam: non-contact measurement of users' emotional states through thermal imaging, Conference on Human Factors in Computing Systems, 1725-1728.
Probo Project (2010). http://probo.vub.ac.be/
Rainville, P., Bechara, A., Naqvi, N., & Damasio, A. R. (2006). Basic emotions are associated with distinct patterns of cardiorespiratory activity, International Journal of Psychophysiology, 61(1), 5-18.
Ray, W. J. & Cole, H. W. (1985). EEG alpha activity reflects attentional demands, and beta activity reflects emotional and cognitive processes. Science, 228(4700), 750-752.
Reilly, W. S. (1996). Believable Social and Emotional Agents. Ph. D. Dissertation, School of Computer Science, Carnegie Mellon University.
Rizzo, A. A., Klimchuk, D., Mitura, R., Bowerly, T., Buckwalter, G. B., Kerns, K., Randall, K., Adams, R., Finn, P., Tarnanas, I., Sirbu, C., Ollendick, T. H., & Yeh, S. C. (2005). A virtual reality scenario for all seasons: The virtual classroom, Proceedings of the 11th International Conference on Human Computer Interaction, Las Vegas, USA, July 22-27.
Roseman, I. J., Jose, P. E., & Spindel, M. S. (1990). Appraisals of emotion-eliciting events: Testing a theory of discrete emotions. Journal of Personality and Social Psychology, 59(5), 899-915.
Schaaff, K. & Schultz, T. (2009). Towards emotion recognition from electroencephalo- graphic signals, Proceedings of International Conference on Affective Computing and Intelligent Interaction, Amsterdam, Netherlands.
Scherer, K. (1987). Toward a dynamic theory of emotion: The component process model of affective states. Geneva Studies in Emotion and Communication, 1(1), 1-98.
Shibata, T., Inoue, K., & Irie, R. (1996). Emotional robot for intelligent system - Artificial emotional creature project. IEEE International Workshop on Robot and Human Communication, Tokyo, Japan, 466-471.
Takahashi, K. (2004). Remarks on emotion recognition from bio-potential signals, IEEE international conference on industrial technology, 3, 1138-1143.
Virtual Reality Medical Center (2010). http://www. vrphobia.com/
Ward, N. G. & Doerr, H. O. (1986). Skin conductance: a potentially sensitive and specific marker for depression, Journal of Nervous Mental Disorder, 174, 553-559.
이 논문을 인용한 문헌
연구과제 타임라인
LOADING...
LOADING...
LOADING...
LOADING...
LOADING...
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.