Transcript 採用快速傅立葉轉換

運用關聯派翠網
路於精神壓力輔
助診斷
指導老師：姜琇森
研究生：劉良驥
日期：5/23
2
OUTLINE
 Introduction
 Related
Work
 Experiment Processing
 Conclusion
3
Introduction(1/3)

環境變動劇烈，生活越趨緊張，精神壓力幾乎成為生活
的一部分。
金錢
工作
經濟
家庭關係
圖1.壓力來源(美國心理學會, 2012)
4
Introduction(2/3)
根據美國心理學會(American Psychological Association)研
究報告指出，長期的處在壓力過大的情況下：
1.生理
-心臟病
-高血壓
-癌症
2.心理
-情緒不穩定
-精神躁鬱
-自殺

5
Introduction(3/3)

約48%人因為太過忙碌或習慣某些程度的精神壓力，工
作不斷超時，身心承受極大的壓力而不自知或不重視，
漠視身體發出的警訊(美國心理學會，2012)。
本研究預期貢獻：
1.對於生理訊號能有效擷取並提升壓力診斷的準確率。
2.當使用者壓力過大時，適時的警告並提醒。
3.根據不同的壓力程度推薦壓力紓解與建議。

6
Related Work

心電圖(Electrocardiogram, ECG)，以連續曲線圖來記錄心
臟的電壓，並提供了相關機能方面和心血管系統的寶貴
資訊。
規律
7
Related Work


奇異值解析(Singular Value Decomposition, SVD)，為矩陣
分解法用於訊號處理、影像處理等領域，其能有效去除
雜訊並保留重要特徵，穩定且快速，常用於去除訊號中
雜訊(Mauldin et al, 2010)。
巴特沃斯高通濾波(Butterworth High Pass Filter, BHPF)來
消除因外部因素(例：皮膚電阻、儀器電流)所產生的基
線飄移現象，以獲取乾淨的生理訊號。
8
Related Work

特徵值選取：
MeanRR-平均值
SDNN-標準差
RMSSD-均方根植
NN50-差值(>50)個數
pNN50-差值(>50)比例
TP-總功率
HF-高頻功率
LF-低頻功率
VLF-極低頻功率
nLF-常規低頻功率
nHF-常規高頻功率
採用快速傅立葉轉換
9
Related Work


最小熵原理法(MEPA)，用以求出所有生理參數在不同精
神壓力下的資訊亂度(Entropy)，以梯型與三角模糊切割
建立隸屬函數。
根據不同精神壓力程度，賦予模糊語意值與隸屬程度。
-∞
TER1
SEC1
TER2
PRI
TER3
SEC2
TER4
+∞
10
Related Work

關聯派翠網路(Associative Petri Net)
cik
di
pi
sik
tik
APN = (P,T,S,C,D,L,G,I,O,α,β,G,W)
P = {pi, pk}, T = {tik}, S = {sik}, C = {cik},
D = {di, dk}, L = {iik}, G = {gik}
I(tik) = {pi}, O(tik) = {pk}
G(tik) = {cik} = [0,1], W(sik) = [0,1]
α(pi) = [0,1], α(pk) = α(pi) * G(tik)
β(pi) = di , β(pk) = dk
dk
pk
11
Experiment Processing
ECG訊號擷取
Physionet
16受測者
496Hz採樣頻率
去除雜訊
奇異值解析(SVD)
巴特沃斯高通濾波
精神壓力診斷
關聯派翠網路(APN)
特徵值擷取
R峰偵測法(So and
Chen,1997)
建立轉換函數
最小熵原理法(MEPA)
12
Experiment Processing

特徵值擷取-R峰檢測法，一階導數計算方法求得每個訊
號點的斜率及降低P波及T波的影響。

以250個斜率的最大值來做為基準初始值，並將初始值
乘上學者建議的0.7後得到偵測用的門檻值。

連續2個斜率值超過門檻值時，再往後找尋最大值即為R
峰。
13
Experiment Processing

精神壓力診斷APN模型
MeanRR P1
P6 High mental stress
SDNN P2
P7 Medium mental stress
RMSSD P3
P8 Low mental stress
NN50 P4
PNN50 P5
P9
Vital signal
14
Conclusion
15
Conclusion