Компьютерный алгоритм научился распознавать стресс по изменению ритма дыхания с точностью более 96%

Учёные Петрозаводского государственного университета совместно с коллегами из Эрзинджанского университета имени Бинали Йылдырыма научили компьютерный алгоритм выявлять стресс по параметрам дыхания с точностью более 96%. Исследователи проанализировали открытый международный набор физиологических данных WESAD, полученных от 15 добровольцев, которые последовательно отдыхали, смотрели видео, медитировали или проходили стрессовый тест — рассказывали перед «комиссией» о своих сильных и слабых сторонах и считали вслух. Дыхание участников записывали нагрудным датчиком, фиксировавшим движения грудной клетки; эти сигналы разбили на 60-секундные отрезки и передали алгоритмам машинного обучения. Результаты, поддержанные грантом РНФ, опубликованы в журнале Biomedical Signal Processing and Control.

Исследователи использовали два подхода: в первом компактная нейросеть анализировала непосредственно дыхательную волну, во втором из сигнала сначала извлекали характеристики — форму волны, изменения на разных частотах, устойчивость ритма — и уже по ним распознавали состояние. Модель обучали на данных 14 добровольцев и проверяли на 15-м, чьих данных она раньше не «видела», повторяя процедуру 15 раз, чтобы каждый участник по очереди становился «новым». Лучший результат показала компактная нейросеть, анализировавшая саму дыхательную волну: более чем в 96% случаев она правильно определяла, есть ли стресс.

Самым сильным одиночным признаком стресса оказалась энергия дыхательного сигнала в диапазоне 0,7–1,0 Герц, характеризующая высокочастотные составляющие волны, связанные с формой и асимметрией вдоха и выдоха. На стресс указывали и другие особенности: продолжительность вдоха, форма дыхания, изменения ритма на разных частотах и его устойчивость во времени. На основе выявленных признаков учёные разработали бесплатное Android-приложение BreathCouple, которое регистрирует дыхание с помощью внешнего микрофона вблизи носа и позволяет наблюдать за частотой и колебаниями ритма. Однако авторы подчёркивают, что точность, полученную на экспериментальных данных, пока нельзя переносить на приложение: микрофон и нагрудный датчик регистрируют разные физические сигналы и ещё не прошли одновременную проверку на одной группе участников, поэтому программа предназначена для личного наблюдения и пилотных исследований, а не для медицинской диагностики.

Изображение: два подхода к регистрации дыхательного ритма. Источник: Андрей Величко / из личного архива