Signal and Data Processing

fa توسعه سامانه مکاترونیکی بلادرنگ سنجش استرس، مبتنی بر سیگنال‌های حیاتی Development of a Mechatronics System to Real-Time Stress Detection Based on Physiological Signals مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی) Paper پژوهشي Research کمتر کسی در دنیای پرتلاطم و پرتنش امروز، با واژه استرس بیگانه است؛ به&lrm;طوری&lrm;که در برخی مواقع، استرس تبدیل به بخشی از زندگی انسان شده‌است. استرسِ بیش از حد، باعث بروز مشکلاتی می‌شود که علاوهبر اثرات روانی، پیامدهای جسمی بی‌شماری از جمله سکته‌های مغزی، قلبی، فشارخون و غیره را دارد و هیچ عضو یا ارگانی از بدن انسان از تأثیرات آن در امان نیست. هدف این پژوهش، طرّاحی و ساخت دستگاهی است که با استفاده از سیگنال&lrm;های هدایت الکتریکی پوست (GSR) و فتوپلتیسموگرافی (PPG) بتواند میزان استرس فرد را به‌صورت شاخص پیوسته بیان کند. سخت&lrm;افزار این دستگاه مبتنی بر پردازنده ARM و رابط کاربری آن با زبان C++ برنامه‌نویسی شده‌است. به‌منظور سنجش میزان استرس، الگو&lrm;سازی با استفاده از شبکه عصبی مصنوعی MLP و شبکه فازی-عصبی تطبیقی (ANFIS) انجام، که در بهترین حالت در الگو&lrm;سازی با ANFIS، دقت %91/92، و میانگین خطای 007/0 حاصل شده‌است.   Stress has affected human’s lives in many areas, today. Stress can adversely affect human’s health to such a degree as to either cause death or indicate a major contributor to death. Therefore, in recent years, some researchers have focused to developing systems to detect stress and then presenting viable solutions to manage this issue. Generally, stress can be identified through three different methods including (1) Psychological Evaluation, (2) Behavioral Responses and finally (3) Physiological Signals. Physiological signals are internal signs of functioning the body, and therefore nowadays are commonly used in various medical and non-medical applications. Since these signals are correlated with the stress, they have been commonly used in detection of the stress in humans. Photoplethysmography (PPG) and Galvanic Skin Response (GSR) are two of the most common signals which have been widely used in many stress related studies. PPG is a noninvasive method to measure the blood volume changes in blood vessels and GSR refers to changes in sweat gland activity that are reflective of the intensity of human emotional state. Design and fabrication of a real-time handheld system in order to detect and display the stress level is the main aim of this paper. The fabricated stress monitoring device is completely compatible with both wired and wireless sensor devices. The GSR and PPG signals are used in the developed system. The mentioned signals are acquired using appropriate sensors and are displayed to the user after initial signal processing operation. The main processor of the developed system is ARM-cortex A8 and its graphical user interface (GUI) is based on C++ programming language. Artificial Neural Networks such as MLP and Adaptive Neuro-Fuzzy Inference System (ANFIS) are utilized to modeling and estimation of the stress index. The results show that ANFIS model have a good accuracy with a coefficient of determination values of 0.9291 and average relative error of 0.007.   سیگنال‌های حیاتی, فتوپلتیسموگرافی, هدایت الکتریکی پوست, شبکه‌ عصبی مصنوعی, شبکه فازی-عصبی تطبیقی Stress, Physiological signals, GSR, PPG, Artificial Neural Networks, ANFIS 59 74 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-658-2&slc_lang=fa&sid=1 Alireza Golgouneh علیرضا گل‌گونه golgouneh@ut.ac.ir 10031947532846006707 10031947532846006707 No آزمایشگاه ربات‌های خدمت‌رسان پیشرفته، دانشکده علوم و فنون نوین، دانشگاه تهران Bahram Tarvirdizadeh بهرام تارویردی‌زاده bahram@ut.ac.ir 10031947532846006708 10031947532846006708 Yes آزمایشگاه ربات‌های خدمت‌رسان پیشرفته، دانشکده علوم و فنون نوین، دانشگاه تهران