[論文レビュー] Individual performance calibration using physiological stress signals

Francisco Hernando-Gallego, Antonio Artés-Rodrı́guez|arXiv (Cornell University)|Jul 13, 2015

Heart Rate Variability and Autonomic Control参考文献 7被引用数 9

ひとこと要約

本稿では、徐々に複雑化する注意および推論タスク中に測定された反応をもとに、生理的信号（主にGSRおよびHR）を用いて個々のパフォーマンス曲線をキャリブレーションする手法を提案する。最適パフォーマンス点は、パフォーマンス低下の直前における信号レベルとして特定され、GSRおよびHRがストレスとリラックス状態を信頼性高く区別でき、タスクの複雑さと正の相関を示すことが検証された。

ABSTRACT

The relation between performance and stress is described by the Yerkes-Dodson Law but varies significantly between individuals. This paper describes a method for determining the individual optimal performance as a function of physiological signals. The method is based on attention and reasoning tests of increasing complexity under monitoring of three physiological signals: Galvanic Skin Response (GSR), Heart Rate (HR), and Electromyogram (EMG). Based on the test results with 15 different individuals, we first show that two of the signals, GSR and HR, have enough discriminative power to distinguish between relax and stress periods. We then show a positive correlation between the complexity level of the tests and the GSR and HR signals, and we finally determine the optimal performance point as the signal level just before a performance decrease. We also discuss the differences among signals depending on the type of test.

研究の動機と目的

• 生理的ストレス信号に基づいて、個別に最適パフォーマンスレベルを特定するためのパーソナライズド手法を開発すること。
• リアルタイムでの生理的モニタリングを用いて、個別レベルでのYerkes-Dodson法則を検証すること。
• ストレスおよびパフォーマンスの変化を最も的確に区別できる生理的信号（GSR、HR、EMG、ECG）を特定すること。
• パフォーマンス劣化の直前における信号閾値を検出することで、個々のパフォーマンス曲線をキャリブレーションすること。
• ボディセンサーネットワークを用いて、非侵襲的かつウェアラブルベースのリアルタイムのストレスおよびパフォーマンスモニタリングを可能にすること。

提案手法

• 視覚的注意タスク（Stroopに類似）および論理的推論タスクを段階的に複雑化させた2つの制御実験を実施。
• GSR、HR（BVPを介して）、ECG、EMG信号を収集するために、3台のワイヤレスShimmerセンサを用いた。
• 正答数を測定し、パフォーマンス低下を検出するためのパフォーマンス指標として用いた。
• この文脈において冗長性が高く、判別能が低いため、BVPおよびEMG信号は除外した。
• パフォーマンス低下の閾値を、正答率が低下する直前の信号レベルとして定義し、主なキャリブレーションポイントとした。
• テスト開始時からパフォーマンス低下までのHR上昇およびGSRピーク数を分析し、個別キャリブレーションを実施した。

実験結果

リサーチクエスチョン

• RQ1 認知的タスク中に、GSRおよびHR信号はリラックス状態とストレス状態を信頼性高く区別できるか？
• RQ2 タスクの複雑度の増加と生理的ストレス反応（GSRおよびHR）の上昇には正の相関があるか？
• RQ3 個々のパフォーマンスが低下し始める生理的信号レベルは何か？ そのレベルは最適パフォーマンスをキャリブレーションするのに利用可能か？
• RQ4 色の名前を呼ぶタスクと推論タスクの違いは、生理的ストレス反応のタイミングおよび大きさにどのように影響するか？
• RQ5 非侵襲的ウェアラブルセンサは、個別パフォーマンスキャリブレーションに必要な生理的マーカーを正確に捉えることができるか？

主な発見

• GSRおよびHR信号は、全15名の被験者において、リラックス状態とストレス状態を強く区別できる高い判別力を見せた。
• タスクの複雑度が増加するにつれて、GSRおよびHRレベルの上昇が明確に観察された。
• 最適パフォーマンス点は、正答数の低下の直前における生理的信号レベルとして一貫して特定された。
• 色の名前を呼ぶタスクでは、推論タスクよりもパフォーマンスが早く低下し、HR上昇もより顕著に観察された。
• GSRピーク数およびHR上昇は個々の被験者間で顕著に変動し、個別キャリブレーションの必要性が裏付けられた。
• BVPおよびEMG信号は、ECGとの重複および運動アーチファクトの影響により、本研究の文脈で関連性が低く、冗長であったため除外された。