>
Fa   |   Ar   |   En
   تشخیص و کنترل استرس برمبنای سیگنال‌های مقاومت الکتریکی پوست و ضربان قلب با استفاده از یادگیری تقویتی  
   
نویسنده سادات غفوریان ماندانا ,نوری امین ,باشی زاده فخار منوچهر
منبع علوم اعصاب شفاي خاتم - 1396 - دوره : 6 - شماره : 1 - صفحه:10 -18
چکیده    مقدمه: اختلالات اضطرابی شایع ترین وضعیت سلامت روانی است. از طریق تنظیم پاسخ به استرس می توان اضطراب را کنترل کرد. استرس به طور واضح بر سیستم اعصاب خودمختار اثر می گذارد و منجر به تعریق شدید و افزایش ضربان قلب می شود. روش های نوینی جهت شناسایی و کنترل استرس هنوز مورد نیاز است. مواد و روش ها: در این مقاله اضطراب از طریق یادگیری تقویتی کنترل شده است. برای اندازه گیری سطح استرس، مقاومت الکتریکی پوست و ضربان قلب اندازه گیری شد. مقاومت الکتریکی پوست و ضربان قلب در 15 نفر (8 زن و 7 مرد)، رنج سنی بین 22 تا 30 سال، در طی پخش آهنگ و عکس اندازه گیری شد. با وصل کردن سنسورهای الکتریکی به دست، سیگنال های مقاومت الکتریکی پوست را می توان آزمایش کرد. سطح اضطراب از طریق سیگنال های زیستی (بیوفیدبک) از طریق پخش آهنگ و نشان دادن تصاویر اندازه گیری شد. اول، مقاومت الکتریکی پوست و سیگنال های ضربان قلب اندازه گیری شد (حالت های یادگیری تقویتی). سپس پخش آهنگ (عامل) و نمایش عکس (اقدامات) استفاده شد. پس از یک دوره زمانی، مقاومت الکتریکی پوست و ضربان قلب دوباره اندازه گیری شد. بر اساس تفاوت های میان مقادیر اولیه و ثانویه پاداش، تغییرات استرس محاسبه شد. بر اساس دریافت پاداش، عامل یاد گرفت سطح استرس را کنترل کند. یافته ها: عامل باهوش یادگیری تقویتی یاد گرفت چه عکسی برای نمایش و چه آهنگی برای پخش کردن به منظور مدیریت استرس مناسب است. برای هر شخصی آهنگ ها و عکس های متفاوت استرس را کاهش می دهد. این روش یادگیری باید برای هر موضوع دیگری تکرار شود. نتیجه گیری: یک روش جدید بر اساس یادگیری تقویتی برای کنترل اضطراب مطرح شد و مورد بررسی قرار گرفت. دقت تشخیص در یک روش ساده، سریع و کم هزینه بهبود یافت.
کلیدواژه اضطراب، پوست، ضربان قلب
آدرس دانشگاه صنعتی خواجه نصیرالدین طوسی, گروه مهندسی پزشکی, ایران, دانشگاه صنعتی سجاد, دانشکده مهندسی برق و مهندسی پزشکی, ایران, دانشگاه صنعتی سجاد, دانشکده مهندسی برق و مهندسی پزشکی, ایران
 
   Stress Detection and Control According to the Skin Signal of Electrical Resistance and Heart Rate Using Reinforcement Learning  
   
Authors Sadat Ghafourian Mandana ,Bashizade Fakhar Minoochehr ,Noori Amin
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved