Классификация стресса по ЭЭГ с использованием временных признаков и техник сегментации

Почему стресс в мозге важен в повседневной жизни

Стресс формирует наши чувства, мышление и работу, но обычно его отслеживают с помощью опросников, которые просят людей оценить свое состояние. Такие инструменты ценны, но субъективны и не позволяют наблюдать, как стресс поднимается и спадает в течение дня. В этом исследовании рассматривается, может ли небольшой набор датчиков мозговых волн предоставить объективный и быстрый способ определить, кто находится в состоянии стресса, а кто нет, используя методы, достаточно простые, чтобы поместиться в будущих повязках на голову или других носимых устройствах.

Слушая стресс через мозговые волны

Исследователи обратились к электроэнцефалографии (ЭЭГ), которая регистрирует электрическую активность мозга с датчиков, расположенных на коже головы. Они использовали большую публичную базу данных здоровых добровольцев, уровень стресса у которых уже был оценен стандартной анкеты. Вместо опоры на множество датчиков команда сосредоточилась всего на четырех, размещенных на лбу и по бокам головы — областях, связанных с эмоциями и контролем стресса. У каждого человека было записано около восьми минут активности мозга в состоянии покоя, что давало длинный отрезок данных, в котором могли скрываться паттерны, связанные со стрессом.

Разрезая длинные сигналы на короткие снимки

Чтобы разобраться в этих длинных записях, команда разрезала ЭЭГ каждого человека на короткие фрагменты, или окна. Они опробовали две простые стратегии. В подходе без перекрытий восьмиминутный сигнал был разделен на последовательные десятисекундные куски, которые не имели общих данных. В подходе с перекрытием окна скользили по записи с частично общими участками, давая больше, но частично повторяющихся снимков. Сравнение этих двух способов разбиения помогло исследователям понять, какой из них дает более чистую и полезную информацию о стрессе.

Преобразование сырых волн в числа, понятные компьютеру

После определения окон каждый фрагмент мозговых волн был сокращен до набора базовых числовых признаков, которые отражают форму и изменчивость сигнала. Это включало знакомые характеристики, такие как среднее значение, разброс и энергия, а также то, насколько резко сигнал поднимается и опускается и насколько он предсказуем. Из 20 таких признаков на окно метод, основанный на информации, затем отобрал те, которые несли наибольшую полезную информацию о принадлежности человека к группе со стрессом или без него. Во многих случаях особенно информативными оказывались признаки, извлеченные с одного фронтального датчика с правой стороны головы.

Простые алгоритмы, разделяющие стресс и спокойствие

Имея компактный набор признаков, авторы протестировали пять готовых методов машинного обучения, чтобы выяснить, насколько точно они могут отделить испытывающих стресс добровольцев от не испытывающих. Они использовали стандартный подход к тестированию, при котором данные многократно разделяются на обучающую и тестовую части для честной оценки производительности. В этих испытаниях лучшим показал себя метод k ближайших соседей, который классифицирует новый пример по сравнению с его ближайшими соседями в наборе данных. Используя окна без перекрытий с четырех датчиков, он правильно определял статус стресса примерно в 96 из 100 случаев, опережая несколько других популярных методов, часто применяемых в исследованиях ЭЭГ.

Что это означает для будущего отслеживания стресса

Основная мысль для читателей заключается в том, что точное обнаружение стресса может не требовать глубокого обучения или громоздких сканеров с большим количеством каналов. Работа показывает, что умеренное число датчиков, простые способы разбиения сигналов на короткие сегменты и прямолинейные числовые сводки вместе могут давать сильные указания на то, кто находится в состоянии стресса. Хотя необходимы дополнительные исследования для проверки таких систем в повседневных условиях и на новых группах людей, исследование предполагает, что будущие повязки на голову или другие носимые устройства могли бы незаметно отслеживать стресс по активности мозга и помогать людям замечать и управлять им раньше.

Цитирование: Rauf, U., Zahid, A., Qadeer, A. et al. EEG-based stress classification using time-domain features and segmentation techniques. Sci Rep 16, 16568 (2026). https://doi.org/10.1038/s41598-026-50857-9

Ключевые слова: обнаружение стресса по ЭЭГ, мозговые волны, машинное обучение, ношируемые датчики, мониторинг психического здоровья