سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

سنجش درجات استرس بر اساس تست استروپ با استفاده از مقاومت الکتریکی پوست

Publish Year: 1403
Type: Journal paper
Language: Persian
View: 23

This Paper With 12 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_ICSS-26-3_003

Index date: 18 March 2025

سنجش درجات استرس بر اساس تست استروپ با استفاده از مقاومت الکتریکی پوست abstract

مقدمه: استرس طولانی مدت اثرات منفی زیادی دارد. لذا شناسایی وضعیت استرس در زندگی روزمره می­ تواند راه حلی پیشگیرانه برای کنترل عوامل استرس ­زا باشد. اندازه­ گیری مقاومت پوست گالوانیکی (GSR) می­ تواند برای گرفتن پاسخ ­های عصبی خودمختار در زمان استرس استفاده شود. هدف این مطالعه استفاده از GSR برای طبقه ­بندی استرس ناشی از آزمون استروپ رنگ_کلمه در مردان ایرانی بود. روش کار: بخش اول: طراحی و مونتاژ دستگاه: ۱) ماژول حسگرهای رسانایی پوست (GSR)، ۲) ماژول STMf۰۳۲k۶t۶، ۳) ماژول .Ac بخش دوم: طراحی پروتکل استرس، ضبط داده­ ها و ماشین یادگیری برای سطح استرس طبقه­ بندی شده. ۲۱ مرد جوان داوطلب، آزمون استروپ کلمه و رنگ انجام دادند. داده های GSR به بخش های ۱۰ ثانیه ای تقسیم شدند، ویژگی های استخراج شده شامل میانگین، میانه، انحراف معیار شدت سیگنال، حداکثر، حداقل، متوسط ​​باند فرکانس پایین و بالا و انحراف معیار آنها، شیب خط و تعداد بار عبور از خط صفر سیگنال GSR بود. یافته ­ها: نتایج نشان داد که شاخص­ های مورد بررسی GSR بین استراحت و سه حالت استرس کم، متوسط و زیاد تفاوت معنادار وجود دارد. همچنین با استفاده از روش یادگیری ماشین و الگوریتم Lunberg-Marquardt داده ­ها با دقت ۹۲/۶۳ درصد قابل دسته­ بندی به چهار حالت استراحت، استرس کم، متوسط و زیاد بودند. بر اساس این نتایج، حساسیت طبقه بندی­ کننده به حالت استراحت کمتر از سایر حالت ها است. این مقدار برای تنش متوسط بالاتر بود. نتیجه­ گیری: الگوریتم Lunberg-Marquardt نشان داد که شاخص های GSR حساس به درجه سختی آزمون استروپ به عنوان عامل سنجش شرایط استرس زا هستند.

سنجش درجات استرس بر اساس تست استروپ با استفاده از مقاومت الکتریکی پوست Keywords:

سنجش درجات استرس بر اساس تست استروپ با استفاده از مقاومت الکتریکی پوست authors

بشری هاتف

Neuroscience Research Center, Baqiyatallah University of Medical Sciences, Tehran, Iran

ژیلا پیرزاد جهرمی

Neuroscience Research Center, Baqiyatallah University of Medical Sciences, Tehran, Iran

سعید رمضانپور

Neuroscience Research Center, Baqiyatallah University of Medical Sciences, Tehran, Iran

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Abd-alrazaq A, Alajlani M, Ahmad R, AlSaad R, Aziz S, ...
Karthikeyan P, Murugappan M, Yaacob S. A review on stress ...
Memar M, Mokaribolhassan A. Stress level classification using statistical analysis ...
Rahma ON, Putra A, Rahmatillah A. Electrodermal activity for measuring ...
Navea RF, Buenvenida PJ, Cruz CD. Stress detection using galvanic ...
Villarejo MV, Zapirain BG, Zorrilla AM. A stress sensor based ...
Sharma M, Kacker S, Sharma M. A brief introduction and ...
Przeniosło. Ł, Hołub. M, editors. Efficient electronic speed controller algorithm ...
Aqajari SAH, Naeini EK, Mehrabadi MA, Labbaf S, Rahmani AM, ...
Rosenblatt F. The perceptron: A probabilistic model for information storage ...
Basjaruddin NC, Syahbarudin F, Sutjiredjeki E. Measurement device for stress ...
Rahma ON, Putra AP, Rahmatillah A, Putri YSaKA, Fajriaty ND, ...
نمایش کامل مراجع