بخشی از مقاله
چکیده -
بشر امروز بیش از هر زمان دیگری، با استرس و فشار روانی زندگی میکند. استرس بیش از حد، اثرات بسیار بدی بر روی بدن انسان دارد و باعث بروز بیماریها و مشکلات عدیدهای در انسان میشود. در این پژوهش، طراحی، توسعه و ساخت سیستمی مورد بررسی قرار گرفته است که میتواند به صورت بلادرنگ با استفاده از سیگنالهای فتوپلتیس موگرافی - PPG - و هدایت الکتریکی پوست - GSR - وضعیت استرس فرد را تشخیص و نمایش دهد. بدین منظور، آموزش و مدلسازی به وسیلهی الگوریتمهای طبقهبندی SVM و شبکههای عصبی مصنوعی RBF و MLP انجام شده است که SVM با دقت 84 درصد عملکرد بهتری، در طبقه بندی استرس داشته است. همچنین دستگاه بر روی 4 فرد کهکاملاً خارج از مجموعهی آموزشی قرار داشتند، آزمون گردید که دقت مناسب 76 درصد در تشخیص بلادرنگ وضعیت استرسی این افراد حاصل شد.
-1 مقدمه
استرس یکی از مهمترین مسائلی است که هر فرد بهطور عادی در زندگی روزمره خود تجربه میکند.استرسِ بیش از حد میتواند منجر به بیماریهای قلبی، مغزی، دیابت و همچنین تضعیف سیستم ایمنی بدن شود بٌب. به همین دلیل در بسیاری از پژوهشها به موضوع مدیریت استرس اشاره شده است - -بٍب بُب - . امروزه،فنّاوریهایی که استرس انسان را تشخیص می-دهند، تبدیل به ابزاری قدرتمند شدهاند که با استفاده از آنها میتوان استرس را کنترل و درنتیجه سبک زندگی را بهبود بخشید. این ابزارها،معمولاً دارای سنسورهایی هستند که پارامترهای فیزیولوژیکی1 بدن را اندازه میگیرند و سپس توسط روشهای مختلفی نظیر الگوریتم های یادگیری ماشین و یا شبکههای عصبی مصنوعی میزان استرس را تشخیص میدهند.
بهطورکلی، استرس را می توان ازسه روشِ ارزیابی روانشناسی2 بِب، پاسخهای رفتاری3 نظیر تحلیل گفتار بّب، میزان و نحوهی استفاده از تلفن همراه بْب، استفاده از رایانه ، حالات چهره و از طریق سیگنالهای فیزیولوژیکی محاسبه نمود. پارامتر های فیزیولوژیکی نظیر ضربان قلب، هدایت الکتریکی پوست، دمای پوست و قطر مردمک چشم نشانگرهایی هستند که اطلاعات دقیقی راجع به بدن افراد میدهند و به همین دلیل امروزه در بسیاری از وسایل و ابزارهای پزشکی و غیرپزشکی از آنها استفاده شده است
به عنوان مثال بر اثر استرس، اضطراب، ترس و تشویش در افراد و فعالیت سیستم اعصاب خودکار، میزان جریان خون اطراف چشم افزایش پیدا میکند؛ بنابراین از این تغییر می توان در پژوهش های استرس سنجی استفاده نمود. در این راستا میتوان به پژوهش بٌُب اشاره نمود. در این تحقیق با استفاده از تصویربرداری حرارتی به ارزیابی تغییرات سطح استرس پرداخته شده است که دقت تشخیص روش استفاده شده، 77,9 درصد گزارش شده است.
در پژوهشی دیگر، عارفی شیروان و همکاران او با استفاده از اندازهگیری تغییرات حجم خون در رگ به بررسی آشکارسازی فعالیت سیستم اعصاب خودکار و سطح استرس پرداختهاند . همچنین آن ها در پژوهش دیگری، با مقایسهی تحلیل خطی و غیرخطی سیگنال تغییرات نرخ ضربان قلب، با استفاده از الگوریتم تکاملی و شبکه عصبی، توانستهاند استرس افراد راکمّیسازی کنند. علاوه بر بحث سلامت، سیستمهای تشخیص استرس میتوانند در حوزههای روانشناسی و یا حتی جرمشناسی نیز سودمند و مفید باشند. بنابراین طراحی سیستمهای سنجش استرس در چند پژوهش مورد بررسی قرار گرفته شده است.
به عنوان مثال، در پژوهش بٌْب سامانهای جهت تشخیص استرس بر اساس سیگنالهای 1ECG بر روی تلفن همراه ارائه شده است. در این سیستم، زمانی که استرس تشخیص داده میشود، به کاربر هشدار داده میشود که نفس عمیق بکشد. به طور مشابه سیستم بلادرنگی2 که در مرجع ارائه شده است، بر اساس ECG، دمای پوست و نرخ تنفس طراحی شده است. این سیستم توسط دادههای 15 نفر آموزش دیده شده و در حالت آفلاین دقت 90,4 درصد دارد. در طبقهبندی آنلاین دقت الگوریتم به علت بیشبرازش3 به شدت کاهش یافته و به 39,7 درصد تنزل پیدا کرده است. همچنین در تحقیق ، نرمافزاری قابل نصب بر روی سیستمعامل اندروید، جهت تشخیص استرس طراحی شده است. تشخیص استرس، توسط مدلسازی و با استفاده از روشهای 4SVM و درخت تصمیم J48 و بر اساس سیگنالهای ECG و 5GSR انجام شده است.
اگرچه در سالهای اخیر، تحقیقات زیادی در راستای طراحی نرمافزارهای قابل نصب بر روی تلفنهای همراه هوشمند و مرتبط با سلامتی انجام شده است اما تاکنون سیستمی که بتواند علاوه بر نمایش پیوسته سیگنال ها، استرس فرد را شناسایی و نمایش دهد، در پژوهشی مورد بررسی قرار نگرفته شده است. بنابراین، در پژوهش حاضر، هدف آن است که بستری فراهم شود تا بتوان استرس افراد را با استفاده از سیگنالهای 6PPG و GSR، به صورت بلادرنگ به سه وضعیت کم، متوسط و زیاد، تفکیک نمود.
سخت افزار این سیستم مبتنی بر پردازندهی ARM بوده و قابلیت نمایش و تحلیل دادهها را دارد. طراحی رابط کاربری دستگاه نیز با در نظر گرفتن کاربرپسند بودن سیستم و امکاناتی نظیر نمایش پیوسته ی سیگنال ها و تفکیک سطوح استرس، ذخیره اطلاعات کاربر، اضافه نمودن توضیحات اضافی، ضبط و پخش صدا و بسیاری امکانات دیگر، با استفاده از زبان C++ و کتابخانهی Qt انجام شده است.
-2 سیستم تشخیص استرس
-1-2 سختافزار و سنسورها
امروزه پیدایش هستههای پردازشی 32 بیتی مانند ARM، جهش قابلتوجهی در طراحی و ساخت انواع سیستمهای بلادرنگ و نهفته7 و سیستمهای هوشمند ایجاد کرده است. لذا، با توجه به اینکه هدف از انجام این پژوهش نیز، طراحی سیستم قابلحمل و قدرتمند جهت انجام پردازشهای مناسب می باشد، بنابراین پردازندهی ARM انتخابشده است. این میکروکنترلر بر روی بستر سختافزاری8 به نام BeagleBoneBlack و یا به اختصار BBB قرار گرفته است
BBB یک برد توسعه ارزان قیمت برای توسعهدهندگان و برنامه نویسان در حوزهی سیستمهای نهفته میباشد. این برد مبتنی بر پردازندهی ARM-CortexA8 است که میکروکنترلری 32 بیتی با فرکانس کاری 1 گیگاهرتز میباشد. این پلتفرم دارای 512 مگابایت رم DDR3، ُ گیگابایت حافظه داخلی - eMMC - ، شتابدهندهی گرافیکی و شتابدهندهی ممیز شناور NEON میباشد. همچنین این پلتفرم دارای 4 نوع ورودی و خروجی میباشد که عبارتاند از: ارتباط USB جهت برقراری ارتباط و همچنین تأمین ولتاژ، Ethernet، HDMI و 46 ورودی و خروجی چند منظوره.
شکل BeagleBoneBlack - 1
به منظور اخذ سیگنالهای PPG و GSR، از سیستم ثبت دو کانالهی پژوهشکدهی پردازش هوشمند علائم پژوهشگاه توسعهی فناوریهای پیشرفته - خواجه نصیرالدین طوسی - استفاده شدهاست. سختافزار اصلی این ماژولها شامل 4 قسمت اصلی است که عبارتاند از پراب و الکترودهای اندازهگیری سیگنالهای حیاتی، مدار تغذیه، مدار آنالوگ و مدار دیجیتال.
سیستم حسگرهای مورد استفاده در دستگاه ساخته شده به دو شکل سیمدار و بدون سیم میباشد که در نوع بدون سیم، دادههای اخذ شده از طریق بلوتوث به پردازندهی مرکزی ارسال میگردد. سیگنال PPG، در ماژولهای سیمدار از نوک انگشتان و در ماژولهای بدون سیم، از روی مچ اندازهگیری میشود - شکل . - 2 در این سنسورهامعمولاً، از یک منبع نوری - دیود نورانی یا مادونقرمز - ، بهعنوان فرستنده و از سلول فوتوالکتریک برای تبدیل نور عبوری به سیگنال الکتریکی استفاده میشود.
برای اندازهگیری هدایت الکتریکی پوست، به دو نقطه از پوست یک ولتاژ ثابت اعمال میشود و متناسب با هدایت الکتریکی پوست یک جریان الکتریکی از آن عبور میکند. با اندازهگیری این جریان میتوان مقاومت و یا هدایت الکتریکی پوست را اندازهگیری کرد.
شکل - 2 سیستم اخذ سیگنالهای فیزیولوژیکی بدون سیم - بلوتوث -
-2-2 نرمافزار
یکی از مسائلی که موجب ایجاد سهولت در استفاده از یک دستگاه میشود علاوه بر وزن، زیبایی و سختافزار، رابط کاربری آن است. امروزه استفاده از توزیعهای مختلف سیستمعامل لینوکس در ابزارهای الکترونیکی روزمره، ابزارهای شبکه، تلفنهای همراه، دستگاههای پزشکی و بسیاری از موارد دیگر رایج شده است. در طراحی رابط کاربری دستگاه ساخته شده در این پژوهش، از زبان C++ و کتابخانهی Qt استفاده شده است. همچنین به منظور تفسیر کد های برنامه، به کد های قابل فهم توسط پردازنده ی ARM، از روش کامپایل عبوری1 با زنجیره
ابزارgcc-linaro-arm-linux-gnueabihf-4.9 2 استفاده شده است.
کامپایلر یا فرودبر، برنامه یا مجموعهای از برنامههای کامپیوتری است که متنی از زبان برنامهنویسی سطح بالا - زبان مبدأ - را به زبانی سطح پایین - زبان مقصد - ، مثل اسمبلی یا زبان سطح ماشین، تبدیل میکند.
در شکل 3 تصویری از رابط کاربری هنگام نمایش سیگنال بر روی LCD، نشان داده شده است. رابط کاربری علاوه بر نمایش سیگنال، امکان ثبت و ذخیرهی صدا در زمانهای دلخواه، اضافه کردن توضیحات هنگام اخذ سیگنال و بررسی مجدد سیگنالها در حالت آفلاین را به کاربر میدهد.
شکل - 3 تصویری از رابط کاربری هنگام نمایش سیگنال - نمودار آبی مربوط به PPG و نمودار قرمز مربوط به GSR میباشد - .
-3 ثبت و ذخیرهی دادهها
پایگاه دادهی استفاده شده در این تحقیق، حاصل تحقیقهای پژوهشکدهی پردازش هوشمند علائم پژوهشگاه توسعهی فناوریهای پیشرفته خواجهنصیرالدین طوسی میباشد که شامل 10 ثبت استرسی است که توسط متخصصین، تحت شرایط استاندارد- دمای 25 درجه سانتیگراد و به دور از آلودگی صوتی و تصویری- ثبت شدهاند. عوامل ایجاد آرامش و استرس در هر ثبت، در جدول 1 ذکر شده است.
جدول - 1 دادههای ثبت شده به همراه توضیح عوامل استرسی و آرامشبخش
-4 طبقهبندی و تفکیک سطوح استرس
همانطور که اشاره شد، در این پژوهش هدف آن است که بستری ایجاد شود تا بتوان، وضعیت استرسی افراد را تعیین نمود. پس مسئله، نوعی مسئلهی طبقهبندی است که میبایست در حالت آنلاین انجام شود
