A Study on Ubiquitous Psychological State Recognition Model Using Bio-Signals

생체정보를 이용한 유비쿼터스 심리상태 인식 모델 연구

  • 전기환 (한림성심대학 의료기기정보과) ;
  • 최형진 (강원대학교 컴퓨터과학과 인공지능연구실)
  • Published : 2010.02.28

Abstract

In this paper, various physiological signals of humans were measured and analyzed to inference their psychological state and biological information, and Bio-Signal Context aware system (BSC), which recognizes the current context of its users as well as the information of exterior environment and offers the service appropriate for them, was designed and implemented. The BSC extracts and analyzes the features from bio-signals, such as the measured electroencephalogram (EEG), electrocardiogram (ECG), and galvanic skin response (GSR), with its different sensors, has the input of the analyzed results, and discriminates four psychological states of rest, concentration, tension and melancholy. In addition to the results of the discriminated psychological states, the information of biological condition analyzed from the user's bio-signals, for example, heart rate variability (HRV), Galvanic skin response (GSR) and body temperature, and the information of external environment related to the user's are collected to offer the service fit for the user's present biological condition by inferring and recognizing the user's present situation.

본 논문에서는 다양한 생체신호들을 이용하여 심리상태와 생체정보를 판별하고, 외부환경 정보와 함께 이용자의 현재 상황을 인식하여 그에 맞는 적절한 서비스를 제공하는 생체정보기반 상황인식시스템(Bio-Signal Context aware system :BSC)을 설계하고 구현한다. 본 논문에서 구현한 생체정보기반 상황인식시스템은 센서를 통하여 측정된 뇌파(EEG), 심전도(ECG), 피부전도도(GSR) 등의 생체신호들로부터 특징들을 추출하고 분석하였으며, 분석된 결과를 입력받아 평온, 집중, 긴장, 우울의 네 가지 심리상태를 판별하였다. 판별된 심리상태의 결과와 함께 심박변이도(HRV), 피부전도도, 체온 등의 생체신호로부터 분석된 생체 상황정보, 그리고 외부 환경의 상황정보로부터 이용자의 현재 상황을 추론하고 인식하여 현재 생체 상황에 맞는 적절한 서비스를 제공하였다.

Keywords

References

  1. 김진봉, "유비쿼터스에서의 감성정보 인식", 강원대학교 박사학위논문, 2005.
  2. 안홍찬, "인터렉티브 게임을 위한 뉴럴 네트워크 기반 감성인식 시스템", 중앙대학교 석사학위논문, 2006.12
  3. 김대식, "임상생리학", 고려의학,2004.
  4. Paul A. Lynn, Wolfgang Fuerst, "Introductory Digital Signal Processing with Computer Applications", John Wiley & Sons Inc,2000.
  5. Kleiger RE, Miller JP, Bigger JT Jr., "Decreased heart rate variability and its association with increased mortality after acute myocardial infarction", Am J cardiol. Vol.59, pp.262-264, 1987.
  6. Larson C.L.,Davison R.J.,Abercrombie H.C., Ward R.T., Schaefer S.M., Jackson D.C., Holden J.E., Perlman S.B., "Relations between PET -derived measures of thalamic glucose metabolism and EEG alpha power", Pshychophysiology, 35(2), pp.162-169, 1998. https://doi.org/10.1111/1469-8986.3520162
  7. Yoki M., Morita Y., Kimura T., Doya M., Kaneda T., "Effects of trend and term sampling on power spectral analysis of heart rate variablilty during tracheal intubation", Anesthesiology, 85(3A), A406., 1996.
  8. J. Moody, C. Darken, "Fast learning in networks of locally-tuned processing units", Neural Computation, Vol.1, pp.281-294, 1989. https://doi.org/10.1162/neco.1989.1.2.281
  9. V.T. Sunil Elanayar, Y.C. Shin, "Radial Basis function Neural Network for Approxximation and Estimation of Nonlinear Dynamic Systems", IEEE Trans. on Neural Networks, Vol.4, pp.594-603, 1994.
  10. 김수진, "음악이 정신질환 치료에 미치는 영향에 관한 연구-신경증과 심신증의 음악요법을 중심으로-", 전남대학교, 석사학위논문, 1995.
  11. Gregory Biegel and Vinny Cahill, "A Framework for Developing Mobile, Contextaware Applications," IEEE International Conference on Pervasive Computing and Communications (perCom), 2004.