تشخیص استرس از سنسورهای پوشیدنی به کمک یادگیری عمیق

  • سال انتشار: 1402
  • محل انتشار: پنجمین کنفرانس بین المللی محاسبات نرم
  • کد COI اختصاصی: CSCG05_019
  • زبان مقاله: فارسی
  • تعداد مشاهده: 35
دانلود فایل این مقاله

نویسندگان

مریم محمدی

کارشناسی ارشد مهندس فناوری اطلاعات، دانشگاه گیلان

حامد آقاپناه رودسری

دکترای مهندسی پزشکی، دانشگاه علوم پزشکی اصفهان

چکیده

براساس تحقیقات به عمل آمده، استرس می تواند باعث تاثیر به سزایی در روابط بین انسانها و حوادث انسانی شود. با شناسایی استرس در طول فعالیت های روزانه افراد، مانند رانندگی ، می توان جلوی برخی از اتفاقات و حوادث را گرفت . به این منظور در این پژوهش از پایگاه داده physionet مربوط به نوار قلب رانندگان در حین رانندگی استفاده شد و ویژگی های آنها استخراج شد، سپس ویژگی ها با PCA کاهش یافتند و به دو روش هوش مصنوعی مقایسه شد. نتایج معیار های دقت ، MSE و PSNR در روش شبکه عصبی و شبکه های یادگیری عمیق و با اعتبار سنجی -fold۱۰ در چهار کلاس، بدست آمدند. در بخش استخراج ویژگی از ۷ ویژگی مکانی ، ۱۶ ویژگی فرکانسی و ۶۴ ویژگی موجک استفاده شده است . نتیجه طبقه بندی شبکه عصبی به دقت ۸.۰±۸.۹۰ درصد رسید. در شبکه عمیق شامل دو لایه CNN۱D و Dense با تلفیق سیگنال خام و ویژگی های مستخرج به دقت ۶.۰±۳.۹۶ درصد رسید. این نتایج بیانگر برتری روش یادگیری عمیق بر شبکه عصبی در این حوزه می باشد. این سیستم تشخیصی برای کاربردهای قابل حمل و کوچک در فعالیت های روزانه افراد مناسب است .

کلیدواژه ها

استخراج ویژگی،سنسورهای پوشیدنی،طبقه بندی،نوار قلب،یادگیری عمیق

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.