$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

뇌파 신호 기반 스트레스 상태 분류

Stress status classification based on EEG signals

The journal of the institute of internet, broadcasting and communication : JIIBC, v.16 no.3, 2016년, pp.103 - 108  

강준수 (경북대학교 전자공학부) ,  장길진 (경북대학교 전자공학부) ,  이민호 (경북대학교 전자공학부)

초록
AI-Helper 아이콘AI-Helper

일상생활에서 인간은 끊임없이 스트레스를 받으며 살아간다. 스트레스는 삶의 질과 밀접하게 연관이 있으며, 건강한 삶은 스트레스에 적절하게 대처하며 살아가는 삶이다. 스트레스는 호르몬 분비에 영향을 주며, 호르몬 분비의 변화는 뇌 신호 및 생체 신호에 영향을 준다. 이를 바탕으로, 본 논문은 스트레스와 뇌파 신호와의 관련성을 확인하였으며, 더 나아가 뇌파 신호 기반 정량적 스트레스 지수를 찾아보았다. 사용한 뇌파 장비는 32채널 유선 EEG 장비이며, 상업용 2채널(FP1, FP2) 뇌파 장비와의 비교를 위해, 상업용 뇌파 장비와 동일한 위치에 있는 2채널만 이용하여 데이터를 분석하였다. 뇌파의 주파수 특징점으로는 각 주파수 대역대의 파워 값, 주파수 대역대 파워 값들 간의 비율 및 차이 등을 테스트해 보았으며, 시간 특징점으로는 허스트 지수, 상관 지수, 리아프노프 지수 등을 테스트해 보았다. 총 6명의 피 실험자가 본 실험에 참여하였으며, 실험 과제로는 영어 지문이 사용되었다. 여러 특징점들 중 ${\theta}$ 파워/mid ${\beta}$ 파워가 가장 좋은 테스트 성능을 보여줬으며, 테스트 데이터에 대하여 평균 70.8%의 스트레스 분류 정확도를 얻었다. 추후, 저가 상용 2채널 뇌파 장치를 이용해서 비슷한 결과가 나오는지 확인해 볼 예정이다.

Abstract AI-Helper 아이콘AI-Helper

In daily life, humans get stress very often. Stress is one of the important factors of healthy life and closely related to the quality of life. Too much stress is known to cause hormone imbalance of our body, and it is observed by the brain and bio signals. Based on this, the relationship between br...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 사용자의 스트레스 정도를 뇌파 신호로 추정하기 위하여 영어 듣기 문제를 난이도별로 준비하여 실험을 수행하였다. 스트레스 하에서의 뇌파 신호로부터 시계열 특징점인 허스트지수, 최대 리아프노프지수, 상관차원, 근사 엔트로피를 추출하였으며, 주파수 대역에서 각 주파수 대역 파워 특징점도 추출하였다.
  • 스트레스를 가장 잘 표현하는 특징점을 추정하기 위하여 분류기 분류 결과를 바탕으로 각 특징점을 확인해보았다. 본 연구에서는 10겹 교차 검증(10-fold cross validation)을 수행하여 적은 양의 학습 데이터에 대하여 신뢰성 높은 실험결과를 구하였다.
  • 즉, 일상에서 적당한 양의 스트레스에 대한 대처가 중요하다[4]. 이 연구는 사용자 스트레스 정도를 파악하는 효과적인 방법을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
호르몬 측정 방식의 단점은 무엇인가? 호르몬 측정 방식은 스트레스 하에서의 증가 또는 감소하는 호르몬 정보(코티솔 또는 카테콜아민)를 혈액 또는 소변으로부터 추출하여 스트레스를 추정한다[5, 6]. 이 방식의 경우, 사용자의 스트레스 정도를 실시간으로 파악하기 어렵고 비용이 많이 소요되는 단점이 있다. 비 침습적 방법으로는 심박수[7], 혈압[8], 동공 크기[9] 등의 특징들로부터 스트레스 추정을 행한 연구들이 있으며, 본 연구에서는 인간의 정신상태 및 인지와 관련된 뇌파 신호를 이용하여 스트레스 정보를 추정하였다.
스트레스란 무엇인가? 일상생활에서 인간은 끊임없이 스트레스를 받으며 살아간다. 스트레스는 외부 또는 내부의 자극에 대한 신체 및 정신적인 반응들의 조합이며, 스트레스의 원인이 되는 것들을 명명하는 용어로 stressor라는 용어가 사용된다[1, 2]. Stressor의 종류로는 여러 가지가 있으며 사람들 간의 관계, 환경의 변화, 성과에 대한 압박, 재정 상태 등이 관련 된다.
과도한 스트레스로 인한 증상으로는 어떤 것들이 있는가? Stressor의 종류로는 여러 가지가 있으며 사람들 간의 관계, 환경의 변화, 성과에 대한 압박, 재정 상태 등이 관련 된다. 과도한 스트레스로 인한 증상으로는 두통, 피로, 소화 불량, 불면증, 분노, 빠른 호흡, 불안, 빠른 심박수 등이 있다[3]. 위와 같은 나쁜 측면의 스트레스 증상들도 있지만, 같은 스트레스라도 대처하는 방식에 따라 개인의 역량 향상에 도움을 줄 수도 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. M. Feuerstein, E. Labbe, and A.R. Kuczmierczyk, "Health psychology: A psychobiological perspective," , Springer Science & Business Media, 2013. 

  2. A. Subhani, Likun Xia, and A. Malik, "EEG signals to measure mental stress", 2nd International Conference on Behavioral, Cognitive and Psychological Sciences-BCPS, pp 10, 2011. 

  3. N. Sharma, and T. Gedeon, "Objective measures, sensors and computational techniques for stress recognition: A survey", Computer methods and programs in biomedicine, Vol. 108, No. 3, pp 1287-1301, 2012. 

  4. M. Le Fevre, J. Matheny, and G.S. Kolt, "Eustress, distress, and interpretation in occupational stress", Journal of managerial psychology, Vol. 18, No. 7, pp 726-744, 2003. 

  5. H.M. Burke, M.C. Davis, C. Otte, and D.C. Mohr, "Depression and cortisol responses to psychological stress: a meta-analysis", Psychoneuroendocrinology, Vol. 30, No. 9, pp 846-856, 2005. 

  6. M.H. Ahn, "Analysis on The Reflection Degree of Worker's Stress by Brain-waves based Anti-Stress Quotient", Journal of the Korea Academia-Industrial cooperation Society, Vol. 11, No. 10, pp 3833-3838, 2010. 

  7. J.F. Thayer, F. Ahs, M. Fredrikson, J.J. Sollers, and T.D. Wager, "A meta-analysis of heart rate variability and neuroimaging studies", Neuroscience & Biobehavioral Reviews, Vol. 36, No. 2, pp 747-756, 2012. 

  8. A. Steptoe, and M. Marmot, "Impaired cardiovascular recovery following stress predicts 3-year increases in blood pressure", Journal of hypertension, Vol. 23, No. 3, pp 529-536, 2005. 

  9. M. Pedrotti, M.A. Mirzaei, A. Tedesco, J.R. Chardonnet, F. Merienne, S. Benedetto, and T. Baccino, "Automatic stress classification with pupil diameter analysis", International Journal of Human-Computer Interaction, Vol. 30, No. 3, pp 220-236, 2014. 

  10. H.E. Hurst, "Long-term storage capacity of reservoirs", Trans. Amer. Soc. Civil Eng., Vol. 116, No. 1, pp 770-808, 1951. 

  11. M.T. Rosenstein, J.J. Collins, and C.J. De Luca, "A practical method for calculating largest Lyapunov exponents from small data sets", Physica D: Nonlinear Phenomena, Vol. 65, No. 1, pp 117-134, 1993. 

  12. E. Pereda, A. Gamundi, R. Rial, and J. Gonzalez, "Non-linear behaviour of human EEG: fractal exponent versus correlation dimension in awake and sleep stages", Neuroscience letters, Vol. 250, No. 2, pp 91-94, 1998. 

  13. S.M. Pincus, "Approximae entropy as a measure of system complexity", Proceedings of the National Academy of Sciences, Vol. 88, No. 6, pp 2297-2301, 1991. 

  14. T.S. Furey, N. Cristianinim N. Duffy, D.W. Bednarski, M. Schummer, and D. Haussler, "Support vector machine classification and validation of cancer tissue samples using microarray expression data", Bioinformatics, Vol. 16, No. 10, pp 906-914, 2000. 

  15. G.S. Choi, J.J. Park, and H.N. Nguyen, "Feature selection algorithm using random forest to diagnose cancer", The Journal of The Institute of Internet, Broadcasting and Communication(JIIBC), Vol. 1, No. 1, pp 10-15, 2009. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트