Куц, Юрій ВасильовичСтрельчук, Ярослав Вікторович2024-07-082024-07-082024Стрельчук, Я. В. Інтелектуальна система виявлення стресу на основі Shimmer-сенсорів : дипломний проект ... бакалавра : 151 Автоматизація та комп'ютерно-інтегровані технології / Стрельчук Ярослав Вікторович. – Київ, 2024. – 59 с.https://ela.kpi.ua/handle/123456789/67789Дипломна 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 характеризують 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.59 с.ukстресваріабельність серцевого ритмуфотоплетизмографіяелектродермальна активністьбіосигналиShimmer-сенсоримашинне навчаннякласифікація стресуздоров'яавтоматизована системафізіологічний моніторингідентифікація стресуФПГ сенсориstressheart rate variabilityphotoplethysmographyelectrodermal activitybiosignalsShimmer sensorsmachine learningstress classificationhealthautomated systemphysiological monitoringstress identificationPPG sensorsBachelor Thesis