Automatická detekce stresu pomocí biologických signálů
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Bakalářská práce je zaměřena na detekci stresu. Tato práce definuje pojem stres, analyzuje vhodné biologické signály k detekci stresu, představuje databáze biologických signálů, které byly využity pro detekci stresu a zmiňuje metody automatické detekce stresu. Následně byl v programovém prostředí MATLAB implementovaný program detekující stres. Pro realizaci programu byla využita volně dostupná databáze non-EEG signálů. Modely klasifikující stres, byly vytvořeny pomocí 4 metod strojového učení pro binární klasifikaci a 3 metod strojového učení pro klasifikaci 4 psychických stavů. Úspěšnosti klasifikačních úloh jsou shrnuty v závěru práce.
Bachelor's thesis is focused on stress detection. This thesis defines the concept of stress, analyzes the appropriate biological signals for stress detection, presents databases of biological signals, that were used for stress detection and mentions methods of automatic stress detection. Then, a stress detection program was implemented in the MATLAB software environment. A freely available database of non-EEG signals was used to implement the program. Models classifying stress were created using 4 machine learning methods for binary classification and 3 machine learning methods for classifying 4 psychical states. Efficiency of the classification was summarized in the conclusion of this thesis.
Bachelor's thesis is focused on stress detection. This thesis defines the concept of stress, analyzes the appropriate biological signals for stress detection, presents databases of biological signals, that were used for stress detection and mentions methods of automatic stress detection. Then, a stress detection program was implemented in the MATLAB software environment. A freely available database of non-EEG signals was used to implement the program. Models classifying stress were created using 4 machine learning methods for binary classification and 3 machine learning methods for classifying 4 psychical states. Efficiency of the classification was summarized in the conclusion of this thesis.
Description
Citation
VOTÝPKA, T. Automatická detekce stresu pomocí biologických signálů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínská technika a bioinformatika
Comittee
prof.Ing. Marek Penhaker, Ph.D. (předseda)
Ing. Martin Mézl, Ph.D. (místopředseda)
Mgr. Ing. Karel Sedlář, Ph.D. (člen)
Ing. Jiří Sekora (člen)
doc. Mgr. Vladan Bernard, Ph.D. (člen)
MUDr. Michal Jurajda, Ph.D. (člen)
Date of acceptance
2020-06-23
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Ing. Mézl položil otázku, jaké příznaky byly v práci použity? Jak probíhá klasifikace signálu vůči časové ose? Který ze všech příznaků přispívá nejvyšší mírou? Ing. Sekora položil otázku, jak byly signály zpracovány, když každý byl snímán s jinou vzorkovací frekvencí? Prof. Penhaker položil otázku, proč je u boxplotu u stavu klidu velké množství odlehlých hodnot? Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení