Uso de relojes inteligentes para la detección del nivel de estrés en el diagnóstico y detección precoz de limitaciones funcionales
Authors
Fuente Lasa, Santiago de laDirector
Palazuelos Cagigas, Sira ElenaDate
2023Bibliographic citation
Fuente Lasa, Santiago de la. Uso de relojes inteligentes para la detección del nivel de estrés en
el diagnóstico y detección precoz de limitaciones funcionales. Trabajo Fin de Grado. Universidad de Alcalá, 2023.
Keywords
Empatica E4
Estrés
WESAD
Machine learning
Procesado de señal
Stress
Signal processing
Document type
info:eu-repo/semantics/bachelorThesis
Version
info:eu-repo/semantics/acceptedVersion
Rights
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Access rights
info:eu-repo/semantics/openAccess
Abstract
El presente Trabajo de Fin de Grado busca la caracterización y detección del estrés en personas con
limitaciones funcionales, a través de una pulsera inteligente. Se extraen los parámetros de las señales
biológicas y se emplean algoritmos de Machine Learning para generar modelos entrenados mediante
una base de datos externa (WESAD), que posteriormente sean capaces de distinguir situaciones de
estrés o no-estrés en sujetos previamente no conocidos por los modelos. Gracias al algoritmo Random
Forests, conseguimos un F1 score, que es una de nuestras métricas de calidad, de alrededor al 87% en la
clasificación de situaciones de estrés. The present Final Year Project aims at characterising and detecting stress conditions in people with
functional limitations, through a wearable device. Parameters from the provided biological signals are
extracted and Machine Learning techniques are used for creating trained models, by using an external
database (WESAD), which are able to differentiate between stressful and non-stressful situations in
subjects that were never seen before by the models. Thanks to the Random Forests algorithm, we can
obtain a F1 score, which is one of our quality metrics, of about the 87% in stressful situations.
Files in this item
Files | Size | Format |
|
---|---|---|---|
TFG_Fuente_Lasa_2023.pdf | 16.16Mb |
|
Files | Size | Format |
|
---|---|---|---|
TFG_Fuente_Lasa_2023.pdf | 16.16Mb |
|