ПРОГРАМНИЙ ДОДАТОК МОНІТОРИНГУ РІВНЯ СТРЕСУ НА ОСНОВІ МОДЕЛЕЙ КЛАСИФІКАЦІЇ
DOI:
https://doi.org/10.31649/2307-5376-2022-4-8-14Ключові слова:
моніторинг стресу, електрокардіографія, машинне навчання, варіабельність серцевого ритму, алгоритми класифікації, біосигнали, дерево рішень, випадковий лісАнотація
У статті наведено дослідження рівня стресу. Після пандемії COVID-19 та постійного перебування у вимушеній ізоляції, рівень стресу став вищим через зростання тривоги. Тому велику цікавість викликає 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 корисним для запобігання проблем зі здоров’ям, особливо у пацієнтів із суїцидальними думками.
У цій роботі наведені результати дослідження моніторингу рівня стресу шляхом використання в якості прогнозування моделі класифікації, а в якості біосигналу – варіабельність серцевого ритму (HRV) від датчиків електрокардіографії. Проведено кореляцію всіх змінних для того, щоб у навчанні моделей брали участь лише ті, змінні, які мають високу кореляцію зі стресом. Для досягнення поставленої задачі використано методи: штучної нейронної мережи, k-найближчих сусідів (KNN), випадкового лісу, дерева рішень. Модель класифікації випадкових лісів (random forest) отримала найвищий показник точності прогнозування наявності чи відсутності стресу у людини – 98 %. На основі цієї моделі розроблено програмний додаток на мові програмування R з інтерфейсом користувача, який дозволяє завантажити дані електрокардіограми та отримати висновок щодо рівня стресу. За допомогою додатку користувач може здійснювати моніторинг рівня особистого стресу та вести здоровий спосіб життя.
##submission.downloads##
-
PDF
Завантажень: 18