Городецька, Олена КостянтинівнаШевага, Діана Олександрівна2023-04-042023-04-042022-12Шевага, Д. О. Програмний додаток моніторингу рівня стресу : магістерська дис. : 122 Комп’ютерні науки / Шевага Діана Олександрівна. – Київ, 2022. – 113 с.https://ela.kpi.ua/handle/123456789/54247Магістерська дисертація за темою «Програмний додаток моніторингу рівня стресу» виконана студентом кафедри біомедичної кібернетики ФБМІ Шевагою Діаною Олександрівною зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 3 розділів («Аналіз літературних джерел», «Матеріали та методи дослідження», «Моніторинг рівня стресу»), розділу з розрахунком стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 65 найменування. Загальний обсяг роботи 113 сторінки. Актуальність теми. У нинішньому сценарії після COVID, оскільки більшість із нас перебуває вдома, рівень стресу є найвищим за весь час через зростання тривоги, що призводить до вищого пульсу. Тому великий інтерес викликав дослідження основних механізмів стресу та моніторинг різних біофізіологічних і біохімічних реакцій організму на стрес. Надійний біомаркер або індикатор стресу міг би забезпечити точний моніторинг стресу, потенційно дозволяючи запобігти патологічним станам на ранніх стадіях. Тривалий стрес може мати серйозні наслідки для здоров’я. Тому здатність визначати, коли людина перебуває в стані стресу, може бути дуже корисною для запобігання проблемам зі здоров’ям, особливо у пацієнтів із суїцидальними думками. Мета і завдання дослідження. Метою роботи реалізація програмного продукту для моніторингу рівня стресу. Для цього необхідно виконати наступні завдання: 1. Аналіз джерел на аналогів. 2. Підбір потрібних матеріалів та методів дослідження. 3. Побудова алгоритмів класифікації. 4. Реалізація програмного продукту. Об’єкт дослідження. Дані електрокардіограми. Предмет дослідження. Застосування алгоритмів класифікації для визначення наявності стресу. Методи дослідження. Машинне навчання, метод k-найближчих сусідів, штучна нейронна мережа, дерево рішень, випадковий ліс.113 c.ukмоніторинг стреселектрокардіографіямашинне навчанняRR інтервалваріабельність серцевого ритмуалгоритми класифікаціїбіосигналидерево рішеньвипадковий лісMaster Thesis004.891.3 + 616.1