مشخصات مقاله:
عنوان فارسی مقاله:
تشخیص استرس ذهنی با استفاده از حسگرهای فیزیولوژیک پوشیدنی
عنوان انگلیسی مقاله:
Towards Mental Stress Detection Using Wearable Physiological Sensors
مناسب برای رشته های دانشگاهی زیر:
مهندسی پزشکی، فناوری اطلاعات و فناوری اطلاعات و ارتباطات
مناسب برای گرایش های دانشگاهی زیر:
بیومکانیک، سیستم چند رسانه ای، کاربردهای ICT
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. روش‌ها
الف- پروتکل آزمایشی
ب- ثبت فیزیولوژیک
پ – محاسبه ویژگی
ت – شیوه‌های تحلیل
3. نتایج
4. بحث
5. نتیجه‌گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Early mental stress detection can prevent many stress related health problems. This study aimed at using a wearable sensor system to measure physiological signals and detect mental stress. Three different stress conditions were presented to a healthy subject group. During the procedure, ECG, respiration, skin conductance, and EMG of the trapezius muscles were recorded. In total, 19 physiological features were calculated from these signals. After normalization of the feature values and analysis of correlations among these features, a subset of 9 features was selected for further analysis. Principal component analysis reduced these 9 features to 7 principal components (PCs). Using these PCs and different classifiers, a consistent classification accuracy between stress and non stress conditions of almost 80% was found. This suggests that a promising feature subset was found for future development of a personalized stress monitor.
چکیده
تشخیص زودهنگام استرس ذهنی می‌تواند از بسیاری از مشکلات سلامتی مرتبط با استرس جلوگیری کند. هدف پژوهش حاضر به‌کارگیری یک سامانه حسگر پوشیدنی برای سنجش سیگنال‌های فیزیولوژیکی و تشخیص استرس ذهنی است. یک گروه از افراد سالم در معرض سه موقعیت استرس‌زای متفاوت قرار گرفتند. در مدت این عمل، ECG، تنفس، میزان رسانایی پوست و EMG عضلات تراپزیوس ثبت شد. در کل 19 ویژگی فیزیولوژیکی از این سیگنال‌ها محاسبه شد. پس از نرمال‌سازی مقادیر هر ویژگی و تحلیل همبستگی آن‌ها، زیرمجموعه‌ای از 9 ویژگی برای تحلیل بیشتر انتخاب شد. تحلیل جزء اصلی، این 9 ویژگی را به 7 جزء اصلی کاهش می‌دهد (PC ها). با استفاده از این PC ها و طبقه‌بندی کننده‌های متفاوت، دقت طبقه‌بندی ثابتی بین شرایط استرس و غیر استرس در حدود 80% به دست آمد. این نشان‌دهنده آن است که زیرمجموعه ویژگی خوبی برای توسعه نظارت شخصی بر استرس در آینده به‌دست‌آمده است.