Ученые показали, что стрессовое состояние можно распознавать по изменениям дыхательного ритма. Авторы обучили компьютерный алгоритм по данным о дыхании человека выявлять стресс с точностью более 96%. В перспективе такой подход может использоваться для наблюдения за дыханием и в экспериментальных системах без нагрудного датчика — для мониторинга стресса в профессиях высокой ответственности: у водителей, диспетчеров, пилотов, операторов сложных систем, а также в спорте, образовании и медицине. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Biomedical Signal Processing and Control.
Два подхода к регистрации дыхательного ритма. Источник: Андрей Величко / из личного архива
Дыхание человека меняется в зависимости от его состояния. При волнении оно может более частым и менее регулярным, меняются продолжительность вдоха и форма дыхательной волны — сигнала, который показывает движение грудной клетки. Однако определить стресс только по частоте дыхания нельзя: у разных людей нормальный ритм существенно отличается, поэтому один и тот же показатель сам по себе не позволяет надежно сказать, испытывает человек стресс или нет. При этом, если определить характеристики дыхания, которые точно указывают на стресс, можно будет создать носимые датчики и приложения, которые позволят в реальном времени отслеживать состояние человека, например, после спортивной тренировки или экзамена.
Исследователи из Петрозаводского государственного университета (Петрозаводск) с коллегами из Эрзинджанского университета имени Бинали Йылдырыма (Турция) научили компьютерный алгоритм выявлять маркеры стресса в параметрах человеческого дыхания. Авторы проанализировали открытый международный набор физиологических данных WESAD, полученных другими учеными в 2018 году от 15 добровольцев. В набор входила информация о дыхании, работе сердца, электропроводности кожи и движении, но в новой работе авторы изучили только сигнал дыхания.
Во время эксперимента 2018 года добровольцы последовательно находились в нескольких состояниях: отдыхали, смотрели развлекательные видео, медитировали или проходили тест, который вызывал у них стресс (рассказывали перед «комиссией» из трех человек о своих сильных и слабых сторонах и считали вслух). Во всех случаях дыхание участников записывали нагрудным датчиком, который фиксировал движения грудной клетки.
Авторы взяли эти готовые сигналы и разделили их на отрезки по 60 секунд, после чего передали алгоритмам машинного обучения. Исследователи использовали два подхода к анализу данных. В первом алгоритм получал непосредственно дыхательную волну и анализировал ее с помощью компактной нейросети. Во втором из сигнала сначала «извлекали» различные характеристики дыхания — например, особенности формы волны, изменения дыхания на разных частотах и устойчивость его ритма во времени, — а затем использовали их для распознавания состояния человека.
Варианты размещения внешнего микрофона BOYA для регистрации звуков вдоха и выдоха в экспериментальном дыхательном режиме BreathCouple. Источник: Андрей Величко / из личного архива.
Модель сначала обучали на данных 14 добровольцев и проверяли, сможет ли она распознать состояние последнего участника, чьих данных алгоритм раньше не «видел». Затем такую процедуру повторяли заново еще 14 раз, каждый раз меняя исключенного участника, который должен был быть для модели новым. Так, каждый из 15 испытуемых по очереди становился «новым» для модели. Эта проверка позволила оценить, насколько хорошо алгоритм работает с данными неизвестных ей людей.
Лучший результат показала компактная нейросеть, которая анализировала саму дыхательную волну. Более чем в 96% случаев она правильно определяла, есть ли стресс или нет.
При этом исследователи хотели понять не только то, насколько хорошо алгоритм распознает стресс, но и какие изменения дыхания помогают ему принять решение. Самым сильным одиночным признаком стресса оказалась энергия дыхательного сигнала в диапазоне частот 0,7–1,0 Герц. Этот показатель характеризует высокочастотные составляющие дыхательной волны, которые связаны с формой и асимметрией вдоха и выдоха, скоростью изменения дыхательной волны и другими особенностями дыхательного рисунка.
На стресс указывали не только частота дыхания, но и другие его особенности: продолжительность вдоха, форма дыхания, изменения ритма на разных частотах и его устойчивость во времени. Таким образом, стресс в исследовании был связан сразу с несколькими «маркерами».
На основе результатов исследования и выявленных признаков ученые разработали бесплатное Android-приложение BreathCouple. В отличие от эксперимента с нагрудным датчиком, приложение регистрирует дыхание с помощью компактного внешнего микрофона (например, подключенного к смартфону), который нужно располагать вблизи носа. Он записывает сигнал вдоха и выдоха, по которому программа строит дыхательную волну и позволяет наблюдать за частотой и колебаниями дыхательного ритма.
Однако авторы подчеркивают, что точность, полученную на экспериментальных данных, пока нельзя переносить на приложение: микрофон и нагрудный датчик регистрируют разные физические сигналы и еще не прошли одновременную проверку на одной и той же группе участников. Поэтому приложение предназначено для личного наблюдения и пилотных исследований и не является медицинским устройством, которое можно использовать в диагностике.
«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 Петрозаводского государственного университета.
В дальнейшем авторы планируют повторить исследование на более крупной группе добровольцев и проверить метод не только в лаборатории, но и в повседневных условиях: когда участники исследования будут ходить, работать за столом, отдыхать и спать. Это позволит учесть то, как на дыхание влияют движение, положение тела, разговор и другие естественные факторы. Отдельная задача — одновременно записывать дыхание нагрудным датчиком и микрофоном на одной и той же группе участников, чтобы понять, какие признаки устойчиво сохраняются при переходе от одного способа регистрации к другому. Также исследователи проверят, можно ли сократить длину анализируемого фрагмента с 60 до 20–45 секунд, и будут разрабатывать персонализированные показатели, учитывающие индивидуальную норму дыхания.
Текст: пресс-служба РНФ
Читайте материалы нашего сайта во ВКонтакте, Одноклассниках, Яндекс-Дзен и каналах в Telegram и MAX
