تشخیص انواع استرس با تحلیل سیگنال های ضربان قلب و ماشین یادگیری افراطی(ELM)

امروزه به دلیل گسترش عوامل تنش زا و کاهش توان مقابله انسان در برابر آنها به دلیل نحوه سبک زندگی، استرس به پدیده پیچیده و بزرگی تبدیل شده است که تحت تاثیر عوامل متعدد و هم افزایی آنها تاثیر به سزایی در زندگی بشر پیدا کرده است. از آنجا که استرس به عنوان یکی از عوامل بروز و تشدید کننده عوارض تمام بیماری هاست، شناسایی، مدیریت و کنترل آن دارای اهمیت فراوان است. در این پژوهش با توجه به تقسیم ماهیت عوامل استرس زا به سه دسته فیزیکی، ذهنی و احساسی، با استفاده از پردازش سیگنال نرخ ضربان قلب (HR) به طبقه بندی چند کلاسه انواع استرس پرداخته شده است. جامعه آماری مورد مطالعه شامل ۲۱نفر خانم ۱۶تا ۳۱سال بوده و داده های مورد نیاز توسط دستگاه پالس اکسی متر ثبت گردیده است. به منظور طبقه بندی انواع استرس، پس از استخراج ویژگی های آماری از سیگنالها، با استفاده از معیار آنووا ویژگی های مناسب از سه حالت استرس اعمالی و استراحت پایه اولیه انتخاب و با بکارگیری شبکه عصبی پیشخور Extreme learning machine در ۴کلاس انجام شد. نتایج بدست آمده حاکی از آن است که می توان انواع استرس را با دقت ۹۷.۶۲% از یکدیگرجداسازی نمود.

Keywords:

استرس , نرخ ضربان قلب , طبقه بندی استرس , ماشین یادگیری افراطی , شبکه عصبی ELM