این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۶، شماره ۴۷۱، صفحات ۲۲۱-۲۲۶
عنوان فارسی تشخیص استرس از سیگنال الکترومایوگرام عضلات صاف‌کننده ستون مهره‌ها
چکیده فارسی مقاله مقدمه: تشخیص استرس به منظور کنترل، مدیریت و کاهش آن ضروری و مهم است. از طرفی، نظریه‌های متعددی درباره‌ی کمردرد ناشی از استرس وجود دارد. مهم‌ترین نکته در همه‌ی این نظریه‌ها، آن است که عوامل روانی و احساسی باعث نوعی تغییر فیزیولوژیک و در نتیجه، بروز کمردرد می‌شوند. از این رو، به نظر می‌رسد بتوان از سیگنال الکترومایوگرام (Electromyogram یا EMG) عضلات کمر به عنوان نشانگری با هدف تشخیص استرس بهره برد. روش‌ها: در این مطالعه، به تشخیص استرس با استفاده از سیگنال الکترومایوگرام عضلات صاف‌ کننده‌ی ستون مهره‌ها (Erector spinae muscles) پرداخته شد. ثبت سیگنال از عضلات صاف ‌کننده‌ی ستون مهره‌های راست و چپ 15 نفر انجام شد. پس از استخراج هفت ویژگی حوزه‌ی زمان و فرکانس، با استفاده از طبقه‌بند Support vector machine ‌(SVM) به تشخیص استرس در دو حالت دو سطحی (بدون استرس/استرس) و چهار سطحی (بدون استرس، استرس کم، استرس متوسط و استرس زیاد) پرداخته شد. همچنین، با استفاده از روش‌های انتخاب ویژگی، تلاش شد تا عملکرد روش پیشنهادی بهبود داده شود. یافته‌ها: در حالت دو سطحی، استرس با صحت 100 درصد تشخیص داده شد. در حالت چهار سطحی نیز کارایی عضله‌ی صاف‌ کننده‌ی ستون مهره‌های راست بالاتر بود و به صحت 100 درصد دست یافت. نتیجه‌گیری: الکترومایوگرام عضلات صاف‌ کننده‌ی ستون مهره‌ها، نشانگر خوبی برای تشخیص استرس می‌باشد. عضله‌ی صاف‌ کننده‌ی ستون مهره‌های راست، مؤثرتر از عضله‌ی سمت چپ عمل کرده است. انتخاب ویژگی‌ها نیز به کاهش حجم محاسبات و بهبود کارایی در تشخیص استرس کمک می‌کند. نتایج این مطالعه در تشخیص استرس به منظور کنترل و مدیریت آن کاربرد دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Stress Detection using Electromyogram Signal of Erector Spinae Muscles
چکیده انگلیسی مقاله Background: Stress detection is essential and important in order to control, manage, and reduce it. On the other hand, there are many theories about the stress-related back pain. The most important point in all of these theories, is the psychological and emotional factors that cause some kinds of physiological changes, and as a result, back pain. Therefore, it seems that the electromyogram (EMG) signal of the lower back muscles can be used as a marker for stress detection. Methods: In this research, stress was detected using the electromyogram signal of erector spinae muscles. The signals of 15 persons were recorded from left and right erector spinae muscles. After extracting seven time and frequency domain features, stress was detected in two-level (stress and no stress) and four-level (no stress, low stress, moderate stress, and high stress) modes applying an efficient support vector machine (SVM) classifier. It was also attempted to improve the performance of the proposed approach by using feature selection methods. Findings: In two-level mode, stress was detected with 100% of accuracy. In the four-level mode, the efficiency of the right erector spinae muscle was higher and reached 100% of accuracy. Conclusion: The results denote that the electromyogram of the erector spinae muscles is an appropriate indicator of stress. The right erector spinae muscle is more effective than the left one. Furthermore, feature selection reduces the computation amount, and improves the efficiency of stress detection. The findings of this study can be used to detect stress for controlling and managing it.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سارا پورمحمدی |
استاديار، گروه مهندسی پزشکی، دانشکده‌ی زیست فناوری، دانشگاه سمنان، سمنان، ایران

علی مالکی |


نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/9642
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-621066.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات