تحلیل غیرخطی سیگنال فتوپلتیسموگرافی گوشی هوشمند به‌منظور تشخیص فوری استرس ذهنی با استفاده از الگوریتم‌های یادگیری ماشین

چکیدهبا توجه به قابلیت گوشی هوشمند در استخراج سیگنال ppg و تغییرات نرخ ضربان قلب، روشی پیشنهاد شد تا استرس افراد به‌صورت فوری تشخیص داده شود. ازاین‌رو مقاله حاضر، بر ایجاد یک سیستم تشخیص فوری استرس با استفاده از گوشی هوشمند، تمرکز دارد. در این تحقیق جهت متمایز کردن روش پیشنهادی از دیگر روش‌ها به‌کاررفته، از واژه فوری به‌جای واژه کوتاه‌مدت استفاده شد. از طریق مطالعه و جمع‌آوری اطلاعات 10 شرکت‌کننده (50 نمونه سیگنال) و مجموعه‌ای از آزمایش‌های استرس‌زا، نشان داده شد که چگونه سیستم پیشنهادی با استفاده از 20 ثانیه داده توانست عملکرد خوبی در تشخیص فوری استرس داشته باشد. علاوه بر ویژگی‌های سیگنال ppg، میزان فشارخون، تعداد ضربان قلب، سن، جنسیت و وضعیت مصرف دارو نیز به‌عنوان ویژگی در نظر گرفته شد. درمجموع 12 ویژگی برای تشخیص استرس افراد استفاده شد.شرکت‌کنندگان سطح استرس درک شده خود را در یک مقیاس آنالوگ بصری 10 سانتی‌متری گزارش کردند. مقیاس استرس گزارش‌شده افراد با استفاده از روش خوشه‌بندی k-means برچسب گزاری و سپس توسط الگوریتم‌های یادگیری ماشین knn و svm و درخت تصمیم کلاس‌بندی شدند. درصد دقت، حساسیت، خاصیت به همراه ماتریس کانفیوژن هر الگوریتم بررسی شد و الگوریتم درخت تصمیم با دقت 91.8% بهترین عملکرد را در کلاس‌بندی داده‌ها نشان داد.