교감신경 활성화를 고려한 생체신호 기반 스트레스 검출

Abstract

본 연구에서는 심전도(ECG) 신호와 호흡(RSP) 신호를 기반으로 사용자의 스트레스를 검출하는 알고리즘을 개발하였으며, 스트레스에 따른 EDA 파라미터와 상관관계를 분석 하였다. 실험에는 건강한 성인 28명(남성 12명, 여성 16명, 평균 연령 33.9 ± 10.7세)이 참여하였으며, 모든 피험자들은 Biopac MP160 시스템의 RSP와 ECG 및 EDA 센서를 착 용하였다. 스트레스 인가 실험은 정적인 자세를 5분간 유지하는 reference 세션, 영어 말 하기 및 암산 과제를 5분간 수행하는 stress 세션, 시청각 자료를 제공하여 10분간 휴식 을 유도하는 relax 세션으로 구성하였다. 피험자들의 생체신호는 2kHz의 샘플링 주파수 로 측정되었으며, Python 3.10 소프트웨어와 NeuroKit 2.0 툴킷을 이용하여 데이터를 분석 하였다. EDA 파라미터는 Skin Conductance Level(SCL)과 Skin Conductance Response(SCR) 및 EDA Sympathetic component(EDASymp)를 연산하였으며, ECG와 RSP 파라미터는 각각 RRI와 PPI를 기반으로 SDNN(Standard Deviation of NN interval)을 연산하였다. 스트레스 검출을 위한 알고리즘으로 Dynamic Time Warping(DTW)을 이용하 여 교감신경 활성화에 따른 ECG와 RSP 파라미터의 동기화 수준을 정량화하였으며, DTW 연산 결과와 EDA 파라미터를 이용하여 피어슨 상관계수를 분석하였다. 스트레스 에 따른 DTW 알고리즘 결과는 SCL, SCR, EDASymp 결과와 각각 0.748, 0.639, 0.776의 높은 상관관계를 보였다. 이러한 결과는 ECG와 RSP를 이용한 DTW 알고리즘이 사용자 의 스트레스를 검출하는데 효과적임을 의미하며, 향후에는 DTW 지표 기반 머신러닝 알 고리즘을 통해 실시간 사용자 스트레스 상태 평가 시스템을 개발하고자 한다.