Анализ ЭЭГ лобных долей в режиме реального времени с применением методов машинного обучения для выявления психического стресса

Стресс стал серьёзной угрозой для здоровья, особенно в период обучения студентов. Ранее для выявления психического стресса использовали биологические и биохимические показатели, а также уровень гормонов, физиологические реакции и температуру кожи. Однако, согласно данным литературы, результаты таких методов непоследовательны, в частности из-за нестабильности уровня гормонов. Поэтому важно изучать стресс с помощью других методов, например анализа сигналов электроэнцефалографии (ЭЭГ). В этом исследовании для выявления психического стресса анализировали спектр ЭЭГ лобных долей. На этапе извлечения признаков применяли быстрое преобразование Фурье (FFT), чтобы определить плотность мощности во всех частотных диапазонах лобных долей. Затем проводили два типа классификации — по отдельным участникам и смешанную (стресс и контроль) — с помощью классификаторов машинного обучения: метода опорных векторов (SVM) и наивного байесовского классификатора (NB). Средняя точность предложенного метода при классификации по участникам составила 98,21%. Кроме того, метод отличается низкой вычислительной сложностью, высокой точностью и простотой применения; переобучения не наблюдалось. Его можно использовать для непрерывного мониторинга в режиме реального времени в медицинских целях.