Πλοήγηση ανά Συγγραφέας "Christinaki, Eirini"

Τώρα δείχνει 1 - 2 of 2
  • Μικρογραφία εικόνας
    Τεκμήριο
    A gesture-controlled Serious Game for teaching preschoolers with autism facial emotion recognition.
    (Τ.Ε.Ι. Κρήτης, Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), Τμήμα Μηχανικών Πληροφορικής Τ.Ε., 2013-08-28T12:26:53Z) Χριστινάκη, Ειρήνη; Christinaki, Eirini
    Η αναγνώριση των εκφράσεων του προσώπου είναι σημαντική για την αντίληψη των συναισθημάτων και η κατανόηση των συναισθήματα είναι απαραίτητη για την ανθρώπινη επικοινωνία και την κοινωνική αλληλεπίδραση. Έρευνες αναφέρουν ότι τα παιδιά με αυτισμό παρουσιάζουν ελλείμματα στην αναγνώριση των συναισθηματικών εκφράσεων. Οι δυσκολίες στην κατανόηση και την έκφραση των συναισθημάτων τα οδηγεί πολλές φορές σε ανάρμοστες συμπεριφορές που προέρχονται από την αδυναμία τους να αλληλεπιδρούν επαρκώς με τους άλλους ανθρώπους. Τα ελλείμματα αυτά φαίνεται να είναι μάλλον μόνιμα στα άτομα με αυτισμό και κατά συνέπεια, εργαλεία παρέμβασης για τη βελτίωση των εν λόγω δυσκολιών είναι επιθυμητά. Σύμφωνα με τους ειδικούς, οι εκπαιδευτικές παρεμβάσεις για τη διδασκαλία της αναγνώρισης των συναισθημάτων από τις εκφράσεις του προσώπου, θα πρέπει να γίνονται όσο το δυνατόν νωρίτερα προκειμένου να είναι επιτυχής και να έχουν θετική επίδραση. Συχνά προβάλλεται ο ισχυρισμός ότι τα Serious Games μπορούν να είναι πολύ αποτελεσματικά στους τομείς της θεραπείας και της εκπαίδευσης για τα παιδιά με αυτισμό. Ωστόσο, οι εν λόγω παρεμβάσεις με τη χρήση υπολογιστή απαιτούν σημαντικές δεξιότητες για την αλληλεπίδραση. Πριν από την ηλικία των 6 ετών, τα περισσότερα παιδιά με αυτισμό δεν έχουν αυτές τις βασικές κινητικές δεξιότητες, προκειμένου να χειριστούν το ποντίκι ή το πληκτρολόγιο. Η προσέγγισή μας λαμβάνει υπόψη τις ιδιαιτερότητες των νηπίων με αυτισμό και τη φυσική τους ανικανότητα λόγω ηλικίας. Δημιουργώντας ένα εκπαιδευτικό παιχνίδι στον υπολογιστή που παρέχει φυσική αλληλεπίδραση, ευελπιστούμε να υποστηρίξουμε τα προγράμματα πρώιμης παρέμβασης και να ενισχύσουμε τη διαδικασία της εκμάθησης των συναισθημάτων.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Signal processing methods for the estimation of physiological parameters from optical recordings.
    (Τ.Ε.Ι. Κρήτης, Σχολή Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), ΠΜΣ Πληροφορική και Πολυμέσα, 2017-01-16) Christinaki, Eirini; Χριστινάκη, Ειρήνη
    Monitoring of physiological signals of an individual via remote and contactless means is an important scientific challenge, whose resolution will enable the development of novel, non-intrusive mHealth and wellness-management systems and services. Measurement of vital signs, such as heart rate (HR), breathing rate (BR), heart rate variability (HRV), blood oxygen saturation level (SpO2) and blood pressure (BP), is important both in clinical environments and at home due to the fundamental role of such signs in the diagnosis of health conditions and monitoring of well-being. Currently, the gold standard techniques for measuring these signs are based on sensors with skin contact, but this is not convenient in all scenarios. Therefore, nonintrusive methods for accurate vital sign measurement have become important, particularly in the context of pervasive services for health or wellness management. During the last decade, researchers have begun to explore the use of simple and low-cost methods for non-contact vital sign extraction. One of the approaches explored for contactless detection and estimation of these signs is based on photoplethysmography (PPG), a noninvasive optical technique for measuring blood flow in tissue, the use of video imaging and ambient light. Exploiting this method has a high potential benefit since there is a need for low-cost physiological monitoring solutions that are easy to use, accurate and can be utilized outside from conventional clinical settings. However, PPG systems using digital camera and ambient light, face several issues and challenges. This thesis describes the development and the optimization of the necessary methods in order to measure a set of physiological signs such as HR, HRV and respiratory rate from facial videos using PPG and ambient light. It attempts to identify different factors that need to be taken into account when constructing an optimal computational pipeline for the estimation of these signs. It explores different signal processing techniques to overcome issues that emerge during the whole procedure. The experimental validation and analysis using a large dataset, proves that highly accurate measurement of the order of 97-99% for the HR in real life conditions is possible. It also demonstrates positive indications on the feasibility of the HRV analysis and respiratory rate estimation since we observed that many types of artefacts had major effects on computed HRV indices which allow us to provide evidence only for the feasibility and not for the reliability of our method.