A.實驗室研究主軸
本實驗室研究主軸為透過演算法開發探索心理與生理兩大層面:
解構式演算法:
◆ Partial Regularize Least Square (PRLS)
◆ Empirical Mode Decomposition (EMD)
◆ Hilbert-Huang Transform (HHT)
心理層面著重於人類情緒探索;生理層面則著重於生醫訊號分析
◆ 心理層面:建立一可用於人們日常生活中與感知相關的技術及應用
◆ 生理層面:探索人類恆定機轉以造福人類健康
1. Genetic-Based Machine Learning in Affective Computing
機器學習方面,本實驗室研究以基因演算法為基礎之增強式學習法,結合生理訊號組所開發之非線性及非穩態之特徵值萃取方法,探討不同狀態下之生心理狀態變化。
◆主要貢獻有:
重要研究貢獻: 驗證了心流狀態偵測的可能性、驗證了透過生理訊號預測決策偏差的可能性、驗證情緒對鍵盤敲擊的影響、透過 Thinking Machine的架構大幅提升增強式學習法的學習效能
應用:基於生心理狀態之決策支援系統、透過鍵盤敲擊辨識情緒之系統、圖片情緒內涵之預測系統、心流狀態偵測系統
未來工作:
公開預測模型、發表開源 API 以供後來的研究者得以站在我們的肩膀上開發應用
發展以情緒為基礎之圖片指標與搜尋引擎
◆決策支援系統方面,提倡「基於生心理訊號與歷史資料」提供的決策參考指標
生理現象:生心理訊號 (受人體自主神經控制為主之生理狀態) 時時受情緒影響,而情緒又對決策有一定之影響力。
重要研究貢獻:研發一套決策支援系統,透過呼吸綁帶(模擬皮帶)以及心電訊號、皮膚導電度訊號等生理訊號量測自主神經激活狀況,配合分析法來檢測生心理狀態,計算出相關心理指標,同時記錄決策成效與偏差狀況到資料庫,提供使用者情緒狀態 vs. 決策偏差狀況的資訊,幫助使用者於做出更好的決策。
應用:基於生心理狀態之決策支援系統,降低錯誤判斷的機會、可幫助決策, 此乃本研究最大目的。
未來工作:實測此系統於日常生活中最仰賴快速且大量決策的領域,例如金融界的短線交易員的工作。研究在提供這類資訊與訓練機制的狀況下,對於處於高壓環境的人員的影響。
2.Non-stationary and non-linear bio-signal analysis
生理訊號方面,本實驗室研究心血管與呼吸系統為主,結合非線性及非穩態分析方法,探討不同狀態下之生理變化。
◆心血管系統:探討非穩態生理狀況引發的心血管調節於瞬時脈率變異度之變化。
生理現象:透過不同姿態試驗探討心率變異度、瞬時脈率變異度、連續時間血壓數值、血壓變異度、血液脈衝回彈係數,並利用經驗模態法則拆解與分析脈波的波形,與生理狀態評估指標進行比較。
重要研究貢獻:不同姿態將引發被動之瞬間姿勢性血壓變化,刺激心跳、呼 吸、血壓會顯著改變,本研究將計算出來的生理狀態評估指標與臨床標準的生理指標進行穩定狀態與非穩態狀態的比較。
臨床應用:相關結果將有助於建立血液脈衝回彈係數及血管硬化程度等相關指標。
◆呼吸系統:提倡「腹式呼吸」,腹式呼吸(Abdominal Breathing,簡稱AB)。
生理現象:AB係透過腹部肌群帶動呼吸,有助於增加肺活量、強化深層肺泡氣體交換效率、放鬆心情、紓解緊張情緒等功能。
重要研究貢獻:研發一套自我AB訓練系統,其透過呼吸綁帶(模擬皮帶)量測呼吸運動,配合分析法來檢測呼吸狀態,計算出相關生理指標,反饋給予適當指 導語,使用者不受時間與空間限制,進行自主AB練習。
臨床應用:有效AB訓練方式,肺部疾病患者可提昇呼吸效率、可幫助健康人更健康,此乃本團隊最大目的。
未來工作:研究呼吸運動中協調動作與生理機轉之關聯性,更廣泛將AB應用到 臨床醫學、運動醫學、生理學及心理學之範疇!
1.Human emotion
代表性著作
T.-C. Hsiao, P.-M. Lee, and D.-L. Hsieh, “具有感測生理狀態之決策支援系統”, TW(I423159) (patent term: 2014/01/11~2030/07/27)
(Q2, Class B) P.-M. Lee, W.-H. Tsui, and T.-C. Hsiao*, “The influence of emotion on keyboard typing: An experimental study using visual stimuli”, BioMedical Engineering OnLine, (Accepted at 2014/06/12)
(Top Conference, Class B) P.-M. Lee and T.-C. Hsiao*, “Applying LCS to affective image classification in spatial-frequency domain”, IEEE Congress on Evolutionary Computation (CEC2014), Beijing, China, Jul. 06-11, 2014. (Accepted for Oral Presentation)
(Top Conference, Class A) P.-M. Lee, S.-Y. Jheng and T.-C. Hsiao*, “Towards automatically detecting whether student is in flow”, 12th International Conference on Intelligent Tutoring Systems (ITS 2014), Honolulu, Hawaii, USA, Jun. 5-9, 2014. (LNCS8474, pp. 11-18, ISBN: 978-3-319-07220-3, Springer) (Oral)
(Top Conference, Class A) P.-M. Lee, S.-Y. Jheng, and T.-C. Hsiao*, “Towards automatically detecting whether student is in flow”, The 12th International Conference on Intelligent Tutoring Systems (ITS 2014), Honolulu, Hawaii, USA, Jun. 5-9, 2014. (Oral)
(Top Conference, Class B) H.-T. Lin, P.-M. Lee, and T.-C. Hsiao*, “The subsumption mechanism for XCS using code fragmented conditions”, GECCO’13-Proceedings of the 15th International Conference on Genetic and Evolutionary Computation Conference, pp. 1275-1282, Amsterdam, Netherlands, Jul. 6-10, 2013.
(Top Conference, Class B) P.-M. Lee, Y. Teng, and T.-C. Hsiao*, “XCSF for prediction on emotion induced by image based on dimensional theory of emotion”, GECCO’12-Proceedings of the 14th International Conference on Genetic and Evolutionary Computation Conference, pp. 375-382, Philadelphia, USA, Jul. 7-11, 2012.
著作統計
B.兩個主要代表性研究領域
1.Human emotion
◆ 研究主軸
◆ 研究內容
2.Non-stationary and non-linear bio-signal analysis
◆ 研究主軸
著作列表
連結
2.Non-stationary and non-linear bio-signal analysis
代表性著作
C.-C. Chang and T.-C. Hsiao, “Feedback control method and device using the same (回饋控制方法及其回饋控制裝置)”, TW(I406643), US (8,473,105) (Patent term: 20130901~20300429)
(Q2, Class B) C.-C. Chang, H.-Y. Hsu, and T.-C. Hsiao*, “The interpretation of very high frequency band of instantaneous pulse rate variability during paced respiration”, BioMedical Engineering OnLine, 13(46), DOI: 10.1186/1475-925X-13-46, Apr. 2014
(Q2, Class B) C.-C. Chang, T.-C. Hsiao, and H.-Y. Hsu, “Frequency range extension of spectral analysis of pulse rate variability based on Hilbert-Huang transform”, Medical & Biological Engineering & Computing, DOI: 10.1007/s1151701311355, Jan. 2014.
(Q2, Class B) C.-Y. Chang, C.-C. Chang, and T.-C. Hsiao*, “Fluorescence intrinsic characterization of excitation-emission matrix by using multi-dimensional ensemble empirical mode decomposition”, International Journal of Molecular Sciences, 14(11):22436-22448, DOI:10.3390/ijms141122436, 2013.
(EI, Class C) C.-C. Chang, H.-Y. Hsu*(許弘毅醫師), and T.-C. Hsiao*, “Quantitative non-stationary assessment of cerebral hemodynamics by empirical mode decomposition of cerebral Doppler flow velocity”, Advances in Adaptive Data Analysis (AADA), 5(1):1350002 (15 pages), DOI:10.1142/S1793536913500027, 2013.
(EI, Class C) Y.-C. Chen, T.-C. Hsiao*, J.-H. Hsu, J.-L. Chen, “Breathing pattern recognition of abdominal wall movement by using ensemble empirical mode decomposition”, Advances in Adaptive Data Analysis, 6(1):1450002 (17 pages), DOI: 10.1142/S1793536914500022, Jan. 2014.
T.-C. Hsiao, J.-H. Hsu, and D.-L. Hsieh, “Abdominal breathing training apparatus, abdominal breathing training system and method thereof (腹式呼吸訓練裝置、腹式呼吸訓練系統及其方法)”, TW(I392525), US(8,469,714) (Patent term: 20130411~20300205)
T.-C. Hsiao and J.-H. Hsu, “HHT-based evaluation for abdominal breathing training interface (腹式呼吸特徵萃取方法及使用此方法的腹式呼吸特徵萃取系統)”, TW(I419675), JP(特許第5373010号) (Patent term: 20131221~20310807)
著作統計
◆ 研究內容
腹式呼吸訓練系統使用情境
著作列表
連結