林穎

(廣州番禺職業(yè)技術(shù)學(xué)院信息工程學(xué)院，廣東 廣州 511483)

現(xiàn)代人承受著著許多壓力，比如就業(yè)壓力、經(jīng)濟(jì)壓力和情感壓力等。壓力導(dǎo)致人們情緒不良，學(xué)習(xí)和工作下降，生活質(zhì)量降低。長(zhǎng)期承受心理壓力將對(duì)健康造成損害，還會(huì)導(dǎo)致免疫力的降低[1]。因此，快速、準(zhǔn)確地了解自身的壓力對(duì)于保持身心健康有重要意義。傳統(tǒng)的評(píng)估方法依賴于評(píng)估者的主觀經(jīng)驗(yàn)，并且受測(cè)者可能會(huì)試圖隱藏自己的真實(shí)心理狀態(tài)。利用生理信號(hào)來(lái)測(cè)試壓力更為客觀。此外，傳統(tǒng)方法還有無(wú)法進(jìn)行連續(xù)測(cè)量的缺點(diǎn)，不能夠跟蹤到個(gè)人一天中的壓力變化狀況。多種生理信號(hào)與情緒狀態(tài)存在聯(lián)系[2]，如心電信號(hào)、腦電信號(hào)和皮膚電反應(yīng)。目前，利用心電信號(hào)進(jìn)行壓力計(jì)算的相關(guān)研究仍然較少。因此，本文提出了一種基于心電信號(hào)的壓力計(jì)算方法，用于快速有效地計(jì)算壓力。

1 心電信號(hào)研究概述

電圖信號(hào)已被于各種的，例如測(cè)量率、檢查臟異常、情緒計(jì)算 和物特征識(shí)別等。電圖分析般包含個(gè)步驟：預(yù)處理、特征提取、特征選擇、特征轉(zhuǎn)換和分類[3]。常見(jiàn)的用于研究的生理信號(hào)有心電(electrocatdiogram, ECG)、腦電(electroencephalogram，EEG)、眼電(electrooculogram，EOG)、肌電(electromyogram，EMG)和皮膚電反應(yīng)(Galvanic Skin Response，GSR)等，生理信號(hào)是人體交感神經(jīng)的反應(yīng)，具有精確、不易隱藏等優(yōu)點(diǎn)。這些生理電信號(hào)為我們提供了窺視身體狀況的一個(gè)窗口[4]，其中研究得最多的是心電和腦電信號(hào)。心電圖是如今到醫(yī)院檢查十分常見(jiàn)的一個(gè)項(xiàng)目。心電是眾多心肌細(xì)胞活動(dòng)的電信號(hào)反應(yīng)，心電信號(hào)一定程度上反映了心臟的健康狀況，在臨床醫(yī)學(xué)上有重要意義。生理信號(hào)在采集后需要進(jìn)行去噪和特征提取，常見(jiàn)在時(shí)域和頻域提取特征。越來(lái)越多的可穿戴設(shè)備開(kāi)始配備生理信號(hào)檢測(cè)相關(guān)功能，這為研究帶來(lái)了方便。大量研究表明，心率變異率信息與壓力直接相關(guān)?？琢钋俚萚5]融合了心率變異性和人臉表情進(jìn)行壓力的檢測(cè)，將HRV 及表情共同作為特征輸入,利用支持向量機(jī)進(jìn)行訓(xùn)練分類,實(shí)現(xiàn)壓力狀態(tài)與非壓力狀態(tài)的檢測(cè)。于路[6]通過(guò)放松、Stroop 彩色單詞測(cè)試任務(wù)、心算任務(wù),制造不同的心理壓力水平，然后計(jì)算 HRV 時(shí)域、頻域指標(biāo)與NASA-TLX 得分的相關(guān)系數(shù)來(lái)區(qū)分“放松”和“有壓力”兩種狀態(tài)。李永濤[7]利用單模的生理信號(hào)計(jì)算RR 間期,截取104 個(gè)RR間期序列,提取較少心率變異性特征,實(shí)現(xiàn)了基于心率變異性的心理壓力連續(xù)檢測(cè)。Karthikeyan 等[8]提出了種通過(guò)短期的利ECG 和HRV 信號(hào)解決壓檢測(cè)問(wèn)題的法。論使具有不同平滑因和k 值的 PNN 和kNN 分類器從ECG 和HRV 信號(hào)中提取各種特征并分類為正常和壓兩種狀態(tài)。此外，還有一些研究利用了多種生理信號(hào)用于壓力的檢測(cè)，也達(dá)到了不錯(cuò)的心理壓力識(shí)別準(zhǔn)確率。然而，采集多種生理信號(hào)意味著需要更多的設(shè)備，這不利于將模型應(yīng)用到穿戴式設(shè)備上。

2 實(shí)驗(yàn)方法

由于目前還沒(méi)有公認(rèn)的用于壓力識(shí)別的數(shù)據(jù)庫(kù)[9]，因此本文采用了穿戴式藍(lán)牙心率設(shè)備進(jìn)行心電信號(hào)的采集，設(shè)備為單導(dǎo)聯(lián)。采集到的心電信號(hào)為時(shí)域信號(hào)，本文不直接使用時(shí)域信號(hào)作為訓(xùn)練數(shù)據(jù)，而是使用HRV 指標(biāo)，具體地，使用LF(Low Frequency, 低頻段)、HF(High Frequency，高頻段)和HR(Heart Rate，心率)三個(gè)指標(biāo)作為計(jì)算壓力的參數(shù)。LF 和HF 主要反映交感神經(jīng)的活動(dòng)，LF 為交感神經(jīng)活性，HF 為副交感神經(jīng)活性，在不同的應(yīng)激情境下，LF 和HF 會(huì)有不同的變化(上升或下降)。

首先讓受測(cè)者處于放松的狀態(tài)，采集此時(shí)的心電數(shù)據(jù)。然后通過(guò)蒙特利爾腦成像應(yīng)激任務(wù)(Montreal Imaging Stress Task)誘導(dǎo)壓力，再次采集數(shù)據(jù)。在不同的HRV 數(shù)值進(jìn)行了標(biāo)記，再將標(biāo)記后的數(shù)據(jù)使用線性擬合方法得到壓力公式。不同年齡段群體的自主神經(jīng)活性及功能存在差異[10]，隨著年齡的增加，LF/HF 值逐漸下降。因此，擬合后的公式還使用了年齡作為參數(shù)之一。

3 實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)總共采集了17 名受測(cè)者(年齡為20～34 歲)的數(shù)據(jù)，在進(jìn)行頻域變換之后得到LF 和HF，再對(duì)數(shù)據(jù)進(jìn)行常規(guī)的預(yù)處理操作，并把數(shù)據(jù)的最大最小值控制在2 倍標(biāo)準(zhǔn)差以內(nèi)。最后二次多項(xiàng)式進(jìn)行擬合得到方程。

具體步驟如下：

步驟一：被試進(jìn)入實(shí)驗(yàn)室，佩戴心率測(cè)量設(shè)備并坐好。實(shí)驗(yàn)者詢問(wèn)被試是否處于放松的狀態(tài)，同時(shí)觀察HRV 指標(biāo)，直至指標(biāo)平穩(wěn)并且被試表示自己沒(méi)有壓力，此時(shí)開(kāi)始記錄數(shù)據(jù)，將當(dāng)前指標(biāo)標(biāo)記為無(wú)壓力的狀態(tài)。

步驟二：誘導(dǎo)壓力。本文采用MIST 誘導(dǎo)被試的壓力。實(shí)驗(yàn)開(kāi)始后，要求被試進(jìn)行心算任務(wù)，并在屏幕上顯示心算結(jié)果的正確率，以讓被試產(chǎn)生“失敗感”。實(shí)驗(yàn)過(guò)程中持續(xù)記錄數(shù)據(jù)，直至被試表示自己感受到壓力，并且實(shí)驗(yàn)者觀察到HRV 指標(biāo)上升，記錄此時(shí)的數(shù)據(jù)作為有壓力的狀態(tài)。

步驟三：制作數(shù)據(jù)集。進(jìn)行數(shù)據(jù)預(yù)處理，限制數(shù)據(jù)的最大最小值在2 倍標(biāo)準(zhǔn)差以內(nèi)，去除異常值。

步驟四：編寫程序。本文使用python 語(yǔ)言和sklearn、pandas編寫程序，用二次多項(xiàng)式擬合數(shù)據(jù)，再加上年齡參數(shù)，提高模型的精度。

4 結(jié)果

對(duì)名被試進(jìn)連續(xù)的壓測(cè)量，得到圖1，包括率、LF、HF 和計(jì)算得 到的壓指數(shù)曲線。從圖中可以看出壓與選取的指標(biāo)有很的相關(guān)性，并且被試表示在對(duì)應(yīng)的時(shí)間段感受到了壓，證明了實(shí)驗(yàn)擬合得到的公式的有效性。

圖1 壓力變化情況

5 結(jié)論

將心電信號(hào)用于壓力的測(cè)量可以更加客觀地評(píng)估受測(cè)者的壓力。本文使用機(jī)器學(xué)習(xí)的方法和穿戴式設(shè)備結(jié)合，可以長(zhǎng)時(shí)間、實(shí)時(shí)地地跟蹤個(gè)體的壓力，準(zhǔn)確地評(píng)估真實(shí)的壓力狀況。