تحلیل غیرخطی سیگنال فتوپلتیسموگرافی گوشی هوشمند به منظور تشخیص فوری استرس ذهنی با استفاده از الگوریتم های یادگیری ماشین

با توجه به قابلیت گوشی هوشمند در استخراج سیگنال PPG و تغییرات نرخ ضربان قلب، روشی پیشنهاد شد تا استرس افراد به صورت فوری تشخیص داده شود. ازاین رو مقاله حاضر، بر ایجاد یک سیستم تشخیص فوری استرس با استفاده از گوشی هوشمند، تمرکز دارد. در این تحقیق جهت متمایز کردن روش پیشنهادی از دیگر روش ها به کاررفته، از واژه فوری به جای واژه کوتاه مدت استفاده شد. از طریق مطالعه و جمع آوری اطلاعات ۱۰ شرکت کننده ( ۵۰ نمونه سیگنال) و مجموعه ای از آزمایش های استرس زا، نشان داده شد که چگونه سیستم پیشنهادی با استفاده از ۲۰ ثانیه داده توانست عملکرد خوبی در تشخیص فوری استرس داشته باشد. علاوه بر ویژگی های سیگنال PPG ، میزان فشارخون، تعداد ضربان قلب، سن، جنسیت و وضعیت مصرف دارو نیز به عنوان ویژگی در نظر گرفته شد. درمجموع ۱۲ ویژگی برای تشخیص استرس افراد استفاده شد .شرکت کنندگان سطح استرس درک شده خود را در یک مقیاس آنالوگ بصری ۱۰ سانتی متری گزارش کردند . مقیاس استرس گزارش شده افراد با استفاده از روش خوشه بندی K-means برچسب گزاری و سپس توسط الگوریتم های یادگیری ماشین KNN و SVM و درخت تصمیم کلاس بندی شدند. درصد دقت، حساسیت، خاصیت به همراه ماتریس کانفیوژن هر الگوریتم بررسی شد و الگوریتم درخت تصمیم با دقت ۹۱.۸ % بهترین عملکرد را در کلاس بندی داده ها نشان داد.

Keywords:

تشخیص استرس , فتوپلتیسموگرافی گوشی هوشمند , الگوریتم های یادگیری ماشین , تغییرات نرخ ضربان قلب , فشارخون