ПРОГРАММА АУГМЕНТАЦИИ ДАННЫХ ПУПИЛЛОГРАФИИ ДЛЯ ПОСТРОЕНИЯ НЕЙРОСЕТЕВЫХ СВЕРТОЧНЫХ МОДЕЛЕЙ ОПРЕДЕЛЕНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ УТОМЛЕНИЯ ЧЕЛОВЕКА
Авторы:
1.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
2.
КНИТУ-КАИ
Тип:
Статья
Номер статьи:
Статус:
Опубликован
Получено:
05.08.2025
Одобрено:
07.08.2025
Опубликовано:
07.08.2025
Язык материала:
русский
Ключевые слова:
ПУПИЛЛОГРАФИЯ, ПУПИЛЛОГРАММА, АУГМЕНТАЦИЯ ДАННЫХ, НЕЙРОСЕТЕВАЯ СВЕРТОЧНАЯ МОДЕЛЬ, СОСТОЯНИЕ УТОМЛЕНИЯ ЧЕЛОВЕКА, МОДЕЛИРОВАНИЕ
Аннотация (русский):
Статья посвящена разработке и использованию программы для аугментации пупиллограмм и построения нейросетевых сверточных моделей, предназначенных для определения функционального состояния утомления человека. Перспективным направлением исследований является анализ динамики зрачковой реакции человека на световой стимул для оценки уровня умственной нагрузки, стресса и утомления человека. Однако применение методов машинного обучения для обработки пупиллографических данных часто бывает ограничено из-за недостаточного количества и вариативности размеченных данных, что снижает точность и обобщающую способность моделей. Генерация синтетических данных с учетом физиологических закономерностей зрачковых реакций позволит повысить качество обучения моделей и улучшить их способность к определению функционального состояния утомления человека. Для решения этой задачи в работе использован экспериментальный набор данных, собранный коллективом исследователей КНИТУ-КАИ с помощью специального программно-аппаратного комплекса. Набор включает 384 изображений пупиллограмм размером 640х480 пикселей 2-х классов, соответствующих состояниям усталости и бодрствования человека. Для аугментации набора данных выбраны следующие методы: дрожание, дрейф, искажение времени и усреднение значений. В качестве языка программирования для разработки программы выбран Python. Разработанная программа включает в себя следующий функционал: загрузка txt файлов, выбор директории для выгрузки файлов, выбор методов аугментации данных, визуализация пупиллограмм, аугментация данных, верификация сгенерированных данных, выгрузка сгенерированных данных в форматах txt и png. Использование программы позволило расширить набор данных с 384 изображений до 831. Для оценки эффективности аугментации и качества полученного набора данных проведено обучение двух сверточных сетей на основе модели ResNet с одинаковыми значениями гиперпараметров. Первая сеть обучена на исходном наборе данных, а вторая - на аугментированном. Рассчитаны значения метрик Accuracy, Precision, Recall и F1-мера. Результаты исследования показали эффективность применения аугментации данных пупиллографии для построения сверточных моделей. Полученные результаты могут быть использованы в качестве основы для дальнейших исследований в области определения функционального состояния утомления человека.
Статья посвящена разработке и использованию программы для аугментации пупиллограмм и построения нейросетевых сверточных моделей, предназначенных для определения функционального состояния утомления человека. Перспективным направлением исследований является анализ динамики зрачковой реакции человека на световой стимул для оценки уровня умственной нагрузки, стресса и утомления человека. Однако применение методов машинного обучения для обработки пупиллографических данных часто бывает ограничено из-за недостаточного количества и вариативности размеченных данных, что снижает точность и обобщающую способность моделей. Генерация синтетических данных с учетом физиологических закономерностей зрачковых реакций позволит повысить качество обучения моделей и улучшить их способность к определению функционального состояния утомления человека. Для решения этой задачи в работе использован экспериментальный набор данных, собранный коллективом исследователей КНИТУ-КАИ с помощью специального программно-аппаратного комплекса. Набор включает 384 изображений пупиллограмм размером 640х480 пикселей 2-х классов, соответствующих состояниям усталости и бодрствования человека. Для аугментации набора данных выбраны следующие методы: дрожание, дрейф, искажение времени и усреднение значений. В качестве языка программирования для разработки программы выбран Python. Разработанная программа включает в себя следующий функционал: загрузка txt файлов, выбор директории для выгрузки файлов, выбор методов аугментации данных, визуализация пупиллограмм, аугментация данных, верификация сгенерированных данных, выгрузка сгенерированных данных в форматах txt и png. Использование программы позволило расширить набор данных с 384 изображений до 831. Для оценки эффективности аугментации и качества полученного набора данных проведено обучение двух сверточных сетей на основе модели ResNet с одинаковыми значениями гиперпараметров. Первая сеть обучена на исходном наборе данных, а вторая - на аугментированном. Рассчитаны значения метрик Accuracy, Precision, Recall и F1-мера. Результаты исследования показали эффективность применения аугментации данных пупиллографии для построения сверточных моделей. Полученные результаты могут быть использованы в качестве основы для дальнейших исследований в области определения функционального состояния утомления человека.
Ключевые слова:
ПУПИЛЛОГРАФИЯ, ПУПИЛЛОГРАММА, АУГМЕНТАЦИЯ ДАННЫХ, НЕЙРОСЕТЕВАЯ СВЕРТОЧНАЯ МОДЕЛЬ, СОСТОЯНИЕ УТОМЛЕНИЯ ЧЕЛОВЕКА, МОДЕЛИРОВАНИЕ
ПУПИЛЛОГРАФИЯ, ПУПИЛЛОГРАММА, АУГМЕНТАЦИЯ ДАННЫХ, НЕЙРОСЕТЕВАЯ СВЕРТОЧНАЯ МОДЕЛЬ, СОСТОЯНИЕ УТОМЛЕНИЯ ЧЕЛОВЕКА, МОДЕЛИРОВАНИЕ
