ВВЕДЕНИЕ 4
ГЛАВА 1. ПСИХОФИЗИОЛОГИЧЕСКАЯ ДЕЗАДАПТАЦИЯ 9
1.1 Общие представления о дезадаптации 9
1.2 Функциональное состояние и напряжение регуляторных систем как
механизм дезадаптации 11
1.3 Способ оценки функционального состояния и напряжения
регуляторных механизмов 13
ГЛАВА 2. ОБЪЕКТ И МЕТОДЫ ИССЛЕДОВАНИЯ 15
2.1. Контингент исследования 15
2.2. Методы исследования 15
2.3. Календарный план проекта 21
2.4. Описание бюджета исследования 21
ГЛАВА 3. ХАРАКТЕРИСТИКИ СТАТОКИНЕЗИОГРАММЫ КАК МАРКЕРЫ ПСИХОФИЗИОЛОГИЧЕСКОЙ ДЕЗАДАПТАЦИИ 23
3.1. Оценка уровня тревожности и депрессии у испытуемых 23
3.2. Особенности ЭЭГ при разной степени выраженности депрессии . ... 24
3.2.1. Взаимосвязь реактивности ритмов ЭЭГ и депрессии 27
3.3. Особенности ЭЭГ у лиц с разным уровнем тревоги 31
3.4. Стабилометрические показатели у лиц с разным уровнем тревоги и
депрессии 33
3.5. Применение методов статистического анализа данных для
выявления маркеров психофизиологической дезадаптации 38
3.6. Применение методов искусственного интеллекта для выявления
маркеров психофизиологической дезадаптации 42
ВЫВОДЫ 48
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 50
ПРИЛОЖЕНИЕ 56
В настоящее время проблема психофизиологической дезадаптации стоит очень остро, особенно в современных условиях роста информационной нагрузки, влияния неблагоприятных экологических, социально -
психологических и экономических факторов, в условиях повседневной жизни и профессиональной деятельности, когда состояния психоэмоционального напряжения становятся привычным явлением для современного человека. В нашем исследовании под психофизиологической дезадаптацией, с учетом сложившейся эпидемиологической ситуации, будем понимать преимущественно тревожные и депрессивные состояния.
К одним из наиболее частых причин психофизиологической дезадаптации относят тревогу и депрессию. Что обусловлено, прежде всего их распространенностью. За период с 1990 по 2013 гг. число людей, страдающих от депрессии и/или тревожных расстройств, возросло почти на 50% — с 416 миллионов до 615 миллионов человек. Около 10% населения мира страдает такими заболеваниями, а на психические расстройства приходится 30% (Незнанов, Мартынихин, Мосолов, 2017; Инвестиции в лечение депрессии.,.2016; Alonso J., etc., 2004). Этому способствуют
постоянное увеличение потока информации, ускорение темпа и ритма жизни, социально-экономические и политические процессы, угроза
международного терроризма (Акарочкова, Шварков, 2007). При хронической психической напряженности тревога и депрессия ведут к нарушению адаптации, и являются дезадаптивными факторами, поскольку нарушают нормальное функционирование механизмов регуляции эмоций изменяяне только восприятие, но и характер ответных реакций, дезорганизуя целесообразное приспособительное поведение (Байдина, Сосницкая, 2012).
Таким образом, при дезадаптации может наблюдаться нарушение социализации, изменение характера восприятия и, как следствие, ухудшение качества анализа ситуации и адекватности принятия решения, повышение уровня агрессии, что является весьма нежелательным не только для системы образования, но и для многих других видов профессиональной деятельности и повседневной жизни в целом.
Учитывая сложившиеся представления об определяющей роли функционального состояния в способности к адаптации и влиянии на него тревоги и депрессии (Аввад, 2002), а также данные о том, что из 50 до 80 % населения России, находящегося на разных стадиях донозологических состояний, т. е. в определении степени снижения адаптационных возможностей (Баранов, Баевский, Берсенева, Михайлов, 2004), а через 8 лет 60 % переходят преморбидные, а 31 % — патологические состояния
(Баранов, Баевский, Берсенева, Михайлов, 2004),без объективной оценки как самого функционального состояния организма, так и динамики его изменений невозможна оптимизация процесса жизнедеятельности.
Однако, в настоящее время нет адекватных методов скрининговой оценки функционального состояния и состояния адаптивных систем, что существенно затрудняет решение задач, профессионального отбора и прогнозирования деятельности в условиях стресса. В связи с чем, выявление на более ранних стадиях дезадаптивных изменений является актуальным, как в превентивной медицине, так и в системе допуска к определенным видам деятельности. А также, делает весьма актуальным мониторинг дезадаптивных изменений на основе данных динамической биометрии, и возможность прогнозирования риска дезадаптивных реакций. При этом сложившиеся представления о функциональном состоянии системы равновесия (Жильцова, Котов, Альжев, 2016) как наиболее чувствительных индикаторах адаптационных реакций организма делают их исследование методом стабилометрии с целью ранней диагностики дезадаптивных изменений является весьма актуальным.
Необходимо отметить также, что с внедрением компьютерных технологий в биомедицинских измерительных системах возникли новые возможности получения, обработки и анализа биологических сигналов. Результаты значительного количества работ, а также данного исследования, показывают, что большая часть информации, вследствие нелинейности биологических процессов и многомерности получаемых сигналов, может быть скрыта от исследователя и не использоваться при обычных видах анализа, которые в основном приспособлены для одномерных сигналов. В связи с этим необходим поиск новых подходов к анализу биосигналов.
Цель исследования:
Изучить особенности характеристик статокинезиограммы у лиц с психофизиологической дезадаптацией.
Задачи:
1. Исследовать особенности стабилометрической реакции у лиц с разным уровнем тревоги и депрессии
2. Выявить маркеры дезадаптивных состояний на основе интеллектуального анализа данных
3. Разработать архитектуру и параметры искусственной нейронной сети для интеллектуального анализа данных.
Научная новизна. Впервые предложен способ формального описания состояние человека в виде алгоритма формирования вектора признаков для биометрических сигналов в рамках задачи распознавания состояния человека. Использование данного подхода позволяет применить методы машинного обучения для автоматического распознания состояний человека как целостного объекта.
Также предложена методика определения физических и психо-эмоциональных состояний человека. Особенностью методики является возможность классификации состояния по ограниченным данным .
Ожидаемые результаты. Найти маркеры дезадаптивных состояний на примере тревоги и депрессии донозологических уровней по данным стабилометрических исследований.
Разработать архитектуру нейронной сети способную определять дезадаптивные изменения с вероятностью не менее 70%.
Практическая значимость. Разработка автоматизированного программного комплекса (АПК) предназначенного для распознавания функциональных, ресурсных, психоэмоциональных состояний в реальном времени на основе анализа данных динамической биометрии.
Создаваемый АПК в отличие от существующих систем оценки функциональных состояний будет иметь следующие качества и характеристики:
- одновременный анализ разнородных биометрических данных для распознавания состояния;
- использование облачных технологий для хранения и обработки данных, позволяющих создать цифровую экосистему;
- использование современных технологий анализа данных;
- возможность самообучения системы на основе вновь полученных данных;
- обучение с подкреплением (обучение системы под индивидуального пользователя).
Апробация. На настоящий момент проект был представлен на IV региональной молодежной конференции «Мой выбор - Наука!» 2017г., на экспертной сессии Клуба сумасшедших идей - 2017 был удостоен I места в номинации «Умные технологии и сервисы», а также принял участие во II выставке-конкурсе разработок студенческих конструкторских
бюро/студенческих научно-исследовательских лабораторий опорных вузов в г. Омск 2018 г.
Данный проект прошел в финал программы «Умник» 2018 г.
Личный вклад. Был осуществлен сбор данных для проведения научно-исследовательской работы, а именно:
- сбор данных об уровнях депрессии и тревоги на основе тестовых методик;
- регистрация электрической активности головного мозга (ЭЭГ) для оценки уровня тревоги и депрессии при помощи энцефалографа;
- регистрация перемещения центра давления (ЦД) при помощи стабилоплатформы.
Также была создана объемная база данных для дальнейшей стат. обработки. Статистическая обработка данных была проведена при помощи IBM SPSS Statistics 17.0
Для интеллектуального анализа данных и прогнозирования дезадаптивных реакций применяли многослойный перцептрон (MLP) модуля IBM SPSS Neural Networks.
Выпускная квалификационная работа (магистерская диссертация) выполнена в рамках научно-исследовательского проекта «Разработка алгоритма раннего выявления и коррекции психофизиологических дезадаптаций».
1. Высоко тревожные испытуемые в большей степени задействуют зрительный контроль при сохранении ортостатической позы, характеризуются высокой скоростью движения и максимальным отклонением центра давления с наибольшим вектором линейной скорости.
2. Увеличение уровня депрессии на донозологическом уровне сопровождается изменениями стабилометрических показателей, отражающих повышение порогов проприоцептивной чувствительности и рост напряжения системы контроля двигательного баланса для построения системы оценки уровня психофизиологической дезадаптации необходимо совместное использование статистических и нейросетевых методов.
3. Использование предварительного статистического анализа позволяет сократить список необходимых параметров без понижения уровня информативности. Нейросетевая модель позволяет с близким к оптимальному соотношением ошибкам первого и второго рода оценить психофизиологическую дезадаптацию.
4. Показатели стабилометрии могут быть использованы в качестве маркеров развития психофизиологической дезадаптации.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
