💡 Ученые Петрозаводского государственного университета с коллегами из Турции разработали алгоритм, который распознает стресс по характеру дыхания с точностью более 96%. В отличие от оценки только частоты дыхания, модель анализирует целый комплекс параметров дыхательной волны. Результаты исследования поддержаны грантом Российского научного фонда. При стрессе меняются продолжительность вдоха, форма дыхательной волны и устойчивость ритма. Исследователи обучили алгоритмы машинного обучения на открытых физиологических данных 15 добровольцев и проверили, насколько точно они распознают стресс у людей, чьи данные не использовались при обучении. ✔️ Наилучший результат показала компактная нейросеть, анализирующая непосредственно сигнал дыхания: она правильно определяла наличие стресса более чем в 96% случаев. ✔️ Одним из наиболее информативных признаков оказалась энергия дыхательного сигнала в диапазоне 0,7-1,0 Гц. При этом алгоритм учитывал и другие характеристики, включая форму волны, длительность вдоха и стабильность ритма. На основе результатов ученые разработали бесплатное Android-приложение BreathCouple, которое регистрирует дыхание с помощью внешнего микрофона. Пока оно подходит для личного наблюдения и пилотных исследований, но не для медицинской диагностики: точность алгоритма, полученная на данных нагрудного датчика, еще предстоит проверить при записи дыхания микрофоном. «Мы увидели, что стресс проявляется не только в том, насколько часто человек дышит. Более информативен целый рисунок дыхания: как распределена энергия сигнала, насколько стабильно соотношение длительности вдоха и всего дыхательного цикла, как меняется форма волны и насколько долго сохраняется ее временная структура. Результаты исследования могут использоваться для мониторинга стресса в профессиях высокой ответственности — у водителей, диспетчеров, пилотов, операторов сложных систем, а также в спорте, образовании и медицине. Они могут помогать отслеживать реакцию человека на нагрузку, наблюдать динамику восстановления после физической или психоэмоциональной нагрузки и вовремя замечать состояние повышенного напряжения», — рассказывает руководитель проекта, поддержанного грантом РНФ, Андрей Величко, кандидат физико-математических наук, доцент кафедры информационно-измерительных систем, электроники и автоматики, заведующий учебно-научной лабораторией по разработке электронной компонентной базы на основе микро- и наноструктур ПетрГУ 📌 Результаты опубликованы в журнале Biomedical Signal Processing and Control 📌 Подробнее — в материале газеты «Известия» 😊 РНФ | Телеграм | ВКонтакте | MAX #новостинауки_РНФ #математика