Ultralyhyiden EKG-näytteiden luokittelu väkivaltaa sisältävien tapahtumien tutkimisessa

Väitöstilaisuuden tiedot

Väitöstilaisuuden päivämäärä ja aika

Väitöstilaisuuden paikka

L10, https://oulu.zoom.us/j/63357450761

Väitöksen aihe

Ultralyhyiden EKG-näytteiden luokittelu väkivaltaa sisältävien tapahtumien tutkimisessa

Väittelijä

Master of Science Hany Ferdinando

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, OPEM

Oppiaine

Sähkötekniikka

Vastaväittäjä

Professori Jukka Lekkala, Tampereen yliopisto

Toinen vastaväittäjä

Professori Heikki Ailisto, VTT

Kustos

Professori Esko Alasaarela, Oulun yliopisto

Lisää tapahtuma kalenteriin

Väkivaltatilanteen tunnistaminen EKG-signaalista

Tutkimuksen tulokset vahvistavat, että sydämen sähköisiä signaaleja (EKG-signaalia) voidaan käyttää tunnistamaan ihmisen joutumisen väkivallan kohteeksi. Tutkimus tähtää ensisijaisesti koulukiusaamisen automaattiseen paljastamiseen. Kouluväkivalta on vakava ongelma, jolla on pitkäaikaisia ​​seurauksia jopa sadan miljoonan lapsen elämään ympäri maailmaa. Tutkimuksessa kehitetty menetelmä keskittyy uhrin näkökulmaan.

Tulokset osoittavat, että menetelmällä voidaan tunnistaa EKG-signaalissa väkivallalle altistumisen vuoksi syntyviä muutoksia. Menetelmän avulla on mahdollista suorittaa välitön hälytys koululle, huoltajalle tai sosiaalityöntekijälle uhrin auttamiseksi. Tutkimus suoritettiin Oulun yliopistossa yhteistyökumppaneina Petra Christian University (Indonesia), Harbin Institute of Technology (Kiina) ja Harbin University of Science and Technology (Kiina). Suomessa ja Indonesiassa tehtiin useita alustavia tutkimuksia simuloimalla oppilaiden väkivaltakäyttäytymistä. Näillä kerättiin arvokasta kokemusta ja tietoa lopulliseen simulaatioon, johon osallistui kaksitoista 2. ja 5. luokan oppilasta Harbinin kiinalaisesta koulusta. He tekivät erilaisia ​​aktiviteetteja, joista osaan liittyi väkivaltaa, osaan ei.

Tulosten käsittelyä varten EKG-signaalista kvantifioitiin useita indeksejä, joiden avulla erilaisten algoritmien ja koneoppimisen menetelmin pyrittiin luokittelemaan, mitkä aktiviteetit sisältävät väkivaltaa mitkä eivät. Erottelutarkkuudessa päästiin jopa 87 %:in. Vastaavanlaisia menetelmiä käytetään esimerkiksi tietokonepeleissä biopalautteen analysoinnissa ja liikenteen älykkäissä järjestelmissä.

Luotettavasti toimivan ja riittävän tarkan väkivaltatilanteiden ilmaisujärjestelmän kehittäminen vaatii vielä lisätutkimuksia. Ilmaisutarkkuuden parantamiseksi järjestelmään voidaan liittää muitakin signaaleita ja datalähteitä käyttämällä esim. kameraa, mikrofonia ja liikesensoreita. Näköpiirissä on uusi toivonpilkahdus koulukiusaamisesta kärsiville oppilaille.
Viimeksi päivitetty: 23.1.2024