عنوان فارسی مقاله: |
کاربرد مدل سنجش کیفیت سیگنال در سنسور EEG پوشیدنی برای پیش بینی استرس روانی |
| عنوان انگلیسی مقاله: |
Signal Quality Assessment Model for Wearable EEG Sensor on Prediction of Mental Stress |
چکیده
الکتروانسفالوگرام (EEG) در سیستم های مراقبت سلامتی الکترونیکی، به ویژه در حوزه مراقبت سلامتی روانی نقش مهمی ایفا می کند، جایی که مانیتورینگ و نظارت ثابت و غیر مزاحم مطلوب می باشد. در زمینه پروژه OPTIMI، یک سنسوریا حسگر EEG پوشیدنی کم وزن و کم هزینه جدید طراحی و تولید شده است.
برای بهبود عملکرد و قابلیت اطمینان سنسورهای EEG در محیط های زندگی واقعی، روشی برای ارزیابی کیفیت سیگنال های EEG پیشنهاد می کنیم که براساس آن کاربران به راحتی می توانند اتصال بین الکترودها و پوستشان را تنظیم کنند. روش پیشنهادی به فیلتر نمودن داده های EEG بی اعتبار از آزمایشات شخصی در محیط های داخلی و دفتری کمک می کند. سپس از یک الگوریتم مبتنی بر تبدیل موجک (DWT) و کنسل سازی یا حذف نویز تطبیقی (وفقی) (ANC) استفاده می کنیم که برای حذف آرتیفکت های چشمی (OA) از سیگنال EEG طراحی شده است. از DWT برای دستیابی به سیگنال بازسازی شده OA به عنوان مرجع استفاده می شود، در حالیکه از ANC مبتنی بر حداقل مربعات بازگشتی برای حذف OA از داده های EEG اصلی استفاده می شود. سنسورهای جدیداً تولید شده تست و در چارچوب OPTIMI برای تشخیص استرس مزمن مستقر شدند. ویژگیهای پویای غیر خطی EEG و عدم تقارن فرانتال باندهای تتا، آلفا وبتا به عنوان شاخص های بیولوژیکی استرس مزمئن انتخاب شده و در اوایل پر از استرس، فعالیت داده های EEG قدامی راست نسبتاً بیشتری نشان می دهد. نتایج ارزیابی نشان می دهد که سنسور EEG و الگوریتم های پردازش داده ها، نیازها و چالش های سیستم قابل حمل برای مانیتورینگ بیمار را با موفقیت خطاب قرار داده اند و پروژه EU OPTIMI گواه این مسئله می باشد.
