Дипломна робота на тему «Інтелектуальна система виявлення стресу на основі Shimmer-сенсорів» присвячена створенню автоматизованого рішення для виявлення стресу за допомогою біосигналів. Основною метою роботи було розробити методику та програмне забезпечення, яке б дозволило ефективно моніторити фізіологічний стан людини та ідентифікувати стресові стани, використовуючи дані, отримані за допомогою сенсорів фотоплетизмографії та електродермальної активності.
У ході дослідження було проведено серію експериментів з 30 учасниками. За стресор було використано сигнал повітряної тривоги.
Для обробки даних було застосовано методи попередньої фільтрації та нормалізації сигналів. Було проведено аналіз варіабельності серцевого ритму та електродермальної активності для визначення основних параметрів, що характе-ризують стресовий стан.
Для класифікації станів спокою та стресу було використано кілька методів машинного навчання, включаючи K-Nearest Neighbors, Naive Bayes, Random Forest, Decision Tree та Support Vector Regression. На основі отриманих результатів було встановлено, що метод Naive Bayes показав найвищу точність класифікації – 88%. Розроблене програмне забезпечення автоматизує процес обробки та аналізу даних, а також класифікації стану стресу.
Практичне значення роботи полягає в можливості використання створеної системи для моніторингу фізіологічного стану людини, що дозволяє швидко виявляти стресові стани та надавати рекомендації або попередження користувачеві. Це сприяє підвищенню рівня здоров'я та безпеки, а також може бути застосовано у медичній діагностиці та профілактиці захворювань, пов'язаних зі стресом.
Керівник: д.т.н., проф. Куц Ю.В.
Повний перелік дипломних проєктів та робіт
Список використаної літератури
1. Definitions and concepts of stress / L. M. Manosso et al. Glutamate and neuropsychiatric disorders: current and emerging treatments. 2022. P. 27--63.
2. Review on psychological stress detection using biosignals / G. Giannakakis et al. IEEE transactions on affective computing. 2022. Vol. 13, no. 1. P. 440-460.
3. Офіційний сайт Fitbit для трекерів активності та іншого. URL: https://www.fitbit.com/global/content/dam/fitbit/global/pdp/devices/sense-2/device-360/shadow-grey/prod0.png (дата звернення: 15.05.2024).
4. Empatica | Medical devices, AI and algorithms for remote patient monitoring. URL: https://www.empatica.com/website/assets/images/e4/2/e4_front-lg-hdpi.jpg (дата звернення: 16.05.2024).
5. Wearable Sensor Technology | Wireless IMU | ECG | EMG | GSR. URL: https://shimmersensing.com/wp-content/uploads/2021/07/gsr_sensor-galvanic_skin_response_op-shimmer-worn.jpg (дата звернення: 16.05.2024).
6. Wearable technologies for electrodermal and cardiac activity measurements: a comparison between fitbit sense, empatica E4 and shimmer GSR3+ / V. Ronca et al. 2023.
7. Нечипоренко А. С. Моделі, методи та інформаційні технології раннього виявлення розладів в нестаціонарних квазіперіодичних процесах : автореф. дис. … д-ра техн. наук : 05.13.06. Харків, 2018. 41 с.
8. Interquartile range - Wikipedia. Wikipedia, the free encyclopedia. URL: https://en.wikipedia.org/wiki/Interquartile_range (дата звернення: 16.05.2024).
9. ChuDuc H., NguyenPhan K., NguyenViet D. A review of heart rate variability and its applications. APCBEE procedia. 2013. Vol. 7. P. 80-85.
10. Paired t-Test. URL: https://www.jmp.com/en_gb/statistics-knowledge-portal/t-test/paired-t-test.html (дата звернення: 16.05.2024).
11. Beers B. P-Value: what it is, how to calculate it, and why it matters. Investopedia. URL: https://www.investopedia.com/terms/p/p-value.asp (дата звернення: 16.05.2024).
12. What is the k-nearest neighbors algorithm? | IBM. IBM - United States. URL: https://www.ibm.com/topics/knn (дата звернення: 16.05.2024).
13. What are naïve bayes classifiers? | IBM. IBM - United States. URL: https://www.ibm.com/topics/naive-bayes (дата звернення: 16.05.2024).
14. What is random forest? | IBM. IBM - United States. URL: https://www.ibm.com/topics/random-forest (дата звернення: 16.05.2024).
15. What is a decision tree? | IBM. IBM - United States. URL: https://www.ibm.com/topics/decision-trees (дата звернення: 17.05.2024).
16. What is support vector machine? | IBM. IBM - United States. URL: https://www.ibm.com/topics/support-vector-machine (дата звернення: 17.05.2024).
17. What is a confusion matrix? | IBM. IBM - United States. URL: https://www.ibm.com/topics/confusion-matrix (дата звернення: 18.05.2024).
18. IBM - United States. URL: https://www.ibm.com/content/dam/connectedassets-adobe-cms/worldwide-content/creative-assets/s-migr/ul/g/c8/a7/binary-matrix.component.complex-narrative-xl.ts=1712087356966.png/content/adobe-cms/us/en/topics/confusion-matrix/jcr:content/root/table_of_contents/body/content_section_styled/content-section-body/complex_narrative_390941229/items/content_group/image (дата звернення: 18.05.2024).
19. Pandas - python data analysis library. pandas - Python Data Analysis Library. URL: https://pandas.pydata.org/ (дата звернення: 18.05.2024).
20. NumPy -. NumPy -. URL: https://numpy.org/ (дата звернення: 18.05.2024).
21. SciPy -. SciPy -. URL: https://scipy.org/ (дата звернення: 18.05.2024).
22. Scikit-learn: machine learning in Python – scikit-learn 1.5.0 documentation. scikit-learn: machine learning in Python – scikit-learn 0.16.1 documentation. URL: https://scikit-learn.org/stable/ (дата звернення: 18.05.2024).
23. Overview – NeuroKit2 0.2.10 documentation. GitHub Pages. URL: https://neuropsychology.github.io/NeuroKit/introduction.html (дата звернення: 18.05.2024).
24. Статистичні методи визначення залежностей між випадковими величинами: навчальний посібник / Ю. В. Куц, Ю. Ю. Лисенко; КПІ ім. Ігоря Сікорського. – Київ: КПІ ім. Ігоря Сікорського, 2023. – 115 с.
25. Галаган Р.М. Комп'ютерне проєктування електронних схем. Комп’ютерний практикум: навчальний посібник. Київ : КПІ ім. Ігоря Сікорського, 2023. – 419 с.
