شماره ركورد كنفرانس
5286
عنوان مقاله
تشخيص استرس از سنسورهاي پوشيدني به كمك يادگيري عميق
عنوان به زبان ديگر
Stress detection from wearable sensors using deep learning
پديدآورندگان
محمدي مريم دانشگاه گيلان , آقاپناه رودسري حامد دانشگاه علوم پزشكي اصفهان
تعداد صفحه
8
كليدواژه
استخراج ويژگي , سنسورهاي پوشيدني , طبقهبندي , نوار قلب , يادگيري عميق
سال انتشار
1402
عنوان كنفرانس
پنجمين كنفرانس بينالمللي محاسبات نرم
زبان مدرك
فارسي
چكيده فارسي
براساس تحقيقات بهعملآمده، استرس ميتواند باعث تأثير به سزايي در روابط بين انسانها و حوادث انساني شود. با شناسايي استرس و حالات ديگر انساني ميتوان جلوي برخي از اتفاقات و حوادث را گرفت. به اين منظور در اين پژوهش با بهرهگيري از سنسورهاي مختلف پوشيدني، اطلاعات شخص مورد مطالعه به كمك روشهاي مختلف استخراج گرديدند و سپس به كمك شبكه عصبي طبقهبندي شدند. سيگنال قلبي داراي اطلاعات بيشتري در مورد استرس ميباشد. از اين رو، در اين پژوهش از سيگنالهاي نوار قلب ويژگيهاي زماني، فركانسي و زمان فركانس آنها استخراج شدند. در بخش استخراج ويژگي از ويژگي هاي مكاني، فركانسي و موجك استفاده شده است و از تبديل PCA براي تفكيف ويژگي هاي قلبي استفاده شد. سپس به كمك طبقهبنديهاي مختلف در 4 گروه طبقهبندي شدند. جهت تجزيهوتحليل از معيارهاي MSE و PSNR استفاده ميگردد. با طبقهبندي آن در چهار كلاس به دقت90.8 درصد دستيافتيم. در مرحله بعد با تلفيق سيگنال خام و ويژگي هاي مستخرج در شبكه عميق شامل دو لايه CNN1D و Dense به دقت 96.3 درصد با اعتبار سنجي fold-10 دستيافتيم. در انتها 3 حالت استرسي و يك حالت عادي در بين سيگنالهاي قلبي محاسبه گرديد. هدف توليد سيستم تشخيصي كاربردي قابل حمل و كوچك است.
كشور
ايران
لينک به اين مدرک