مرکز منطقه ای اطلاع رساني علوم و فناوري - تشخيص استرس از سنسورهاي پوشيدني به كمك يادگيري عميق

چكيده فارسي :

براساس تحقيقات به‌عمل‌آمده، استرس مي‌تواند باعث تأثير به سزايي در روابط بين انسان‌ها و حوادث انساني شود. با شناسايي استرس و حالات ديگر انساني مي‌توان جلوي برخي از اتفاقات و حوادث را گرفت. به اين منظور در اين پژوهش با بهره‌گيري از سنسورهاي مختلف پوشيدني، اطلاعات شخص مورد مطالعه به كمك روش‌هاي مختلف استخراج گرديدند و سپس به كمك شبكه عصبي طبقه‌بندي شدند. سيگنال قلبي داراي اطلاعات بيشتري در مورد استرس مي‌باشد. از اين رو، در اين پژوهش از سيگنال‌هاي نوار قلب ويژگي‌هاي زماني، فركانسي و زمان فركانس آن‌ها استخراج شدند. در بخش استخراج ويژگي از ويژگي هاي مكاني، فركانسي و موجك استفاده شده است و از تبديل PCA براي تفكيف ويژگي هاي قلبي استفاده شد. سپس به كمك طبقه‌بندي‌هاي مختلف در 4 گروه طبقه‌بندي شدند. جهت تجزيه‌وتحليل از معيارهاي MSE و PSNR استفاده مي‌گردد. با طبقه‌بندي آن در چهار كلاس به دقت90.8 درصد دست‌يافتيم. در مرحله بعد با تلفيق سيگنال خام و ويژگي هاي مستخرج در شبكه عميق شامل دو لايه CNN1D و Dense به دقت 96.3 درصد با اعتبار سنجي fold-10 دست‌يافتيم. در انتها 3 حالت استرسي و يك حالت عادي در بين سيگنال‌هاي قلبي محاسبه گرديد. هدف توليد سيستم تشخيصي كاربردي قابل حمل و كوچك است.