A web-based toolkit for recording and analysis of physiological signals in response to affective and cognitive stressors

Abstract

Stres; depresyon, obezite, kardiyovasküler ve diyabetik hastalıklar gibi çeşitli hastalıklarla ilişkilendirilen insanlığın en önemli sorunlarından biridir. İnsan vücudundaki fizyolojik sinyalleri izleyerek, stresin insan fizyolojisinde neleri değiştirdiğini anlayabilir ve bu hastalıkları önleyebiliriz. Fizyolojik sinyaller elektrodermal aktivite (EDA), elektrokardiyografi (EKG), elektroensefalografi (EEG), elektromiyografi (EMG), fotopletismografi (PPG) ve insan vücudundaki sıcaklık, solunum, iris ve gözbebeği parametreleri gibi değişikliklerin analizi ile izlenebilir.Bu çalışmada, fizyolojik sinyaller kullanılarak stres tespiti ile ilgili mevcut çalışmaların analizi yapılmıştır. Deneysel veri kümesi üretmek ve var olan sonuçlarla karşılaştırmak amacıyla, stroop renk kelime testi (CWT), resim testi ve hesaplama testlerinin gerçekleştirildiği bir web sitesi kontrollü test ortamı olarak geliştirilmiştir. Analizler için gerekli veriseti EDA, sıcaklık, fotopletismograf ve 3 eksenli ivmeölçer sensörlerine sahip Empatica E3 bilekliği ve EDA ve EKG sensörlerine sahip Bitalino kiti ile toplanmıştır.Analizler test tipi bazında, çeşitli sınıflandırma algoritmaları kullanılarak yapılmış; dinlenme, stresli, stressiz, düşük stresli ve yüksek stresli fazlarının ikili ve üçlü sınıflandırılmaları üzerinde çalışılmıştır. Stroop testi için en iyi sonuç %83.09 doğrulukla `dinlenme - stresli` sınıflandırması için elde edilmiştir. Sembol rakam yöntemi ve matematik testi için `dinlenme - stresli`, `dinlenme - düşük stresli`, `dinlenme - yüksek stresli` ve `düşük stresli - yüksek stresli` sınıflandırmalarında sırasıyla %89.61, %88.35, %85.78 ve %77.46 doğruluk elde edilmiştir. Resim testlerinin `dinlenme - stresli` analizlerinde %85.06 doğruluk elde edilmiştir.

Stress is one of most important problems of humanity related to several disorders like depression, obesity, cardiovascular and diabetic diseases. We may understand what stress changes in human physiology by monitoring physiological signals in human body and may prevent these disorders. Physiological signals can be monitored by electrodermal activity (EDA), electrocardiography (ECG), electroencephalography (EEG), electromyography (EMG), photoplethysmography (PPG) and analysis of changes in the human body like temperature, respiration, iris and pupil parameters.In this study, analysis of existing studies regarding stress detection using physiological signals is performed. For the purpose of producing experimental dataset and comparison with existing results, a website to perform stroop color word (CWT), image and calculation tests are developed as controlled environments. Dataset for analyses are collected with Empatica E3 wristband having EDA, temperature, photoplethysmograph and 3-axis accelerometer sensors, and Bitalino kit with EDA and ECG sensors.Analyses are carried out on test type basis with various classification algorithms and binary/trio classifications of rest, stressed, non-stressed, low-stress and high-stress phases are studied. Best results for stroop test are achieved with 83.09% accuracy for `rest vs stressed` classification. 89.61%, 88.35%, 85.78% and 77.46% accuracies are achieved for symbol digit modalities & math test for `rest vs stressed`, `rest vs low stress`, `rest vs high stress` and `low vs high stress` classifications, respectively. 85.06% accuracy is achieved in image tests' `rest vs stressed` analyses.