الگوریتم طبقه بندی هورمون کورتیزول بر اساس شاخص های نوسانات ضربان قلب

استرس و شرایط استرسی یکی از مهم ترین سیستم های حفظ حیات جاندار می باشد. شاخص های نوسانات ضربان قلب (HRV) و هورمون کورتیزول دو خروجی فعالیت سیستم استرسی هستند. مطالعات نشان داده اند که فعال بودن سیستم استرسی الزاما توسط فرد درک نمی شود و در سطح ناخوداگاه است. بنابراین استفاده از شاخص های HRV به منظور بررسی وضعیت سطح غلظت کورتیزول به عنوان نشانگر اصلی فعالیت سیستم استرسی به جای حالت هیجانی که فرد گزارش می کند، با ضریب اطمینان و دقت بیشتری منطبق بر وضعیت سیستم استرسی می باشد که تا کنون انجام نشده است. دراین تحقیق، بنابر مطالعات انجام شده مبنی برارتباط استرس و ترشح هورمون کورتیزول و تاثیر آن بر روی نشانگرهای زیستی الکتروفیزیولوژیک مانند HRV، به کمک هر یک از الگوریتم های SVM، XGB و MLP یادگیری ماشین، الگوریتم هایی را طراحی شدند که به کمک شاخصهای HRV، کورتیزول را برای دو حالت بهینه و غیر بهینه به ترتیب با صحت های ۸۶، ۹۹و۹۴ درصد طبقه بندی نموده و در هر یک از الگوریتم ها می توان بیان نمود که سیستم استرسی فرد در چه وضعیتی از لحاظ نشانگر اصلی آن یعنی سطح غلظت کورتیزول قرار دارد

Keywords:

کورتیزول , استرس , تغیرات نرخ ضربان قلب , یادگیری ماشین