4 Определение стресса по вариабельности сердечного ритма

4.1 Определения стресса с использованием методов классификации

Для определения стресса была выбрана модель Рассела, основанная на определении эмоционального состояния. Считается, что эмоции можно описать как комбинацию базовых эмоций (например, ностальгия – это что-то среднее между печалью и радостью). Но такой категориальный подход не всегда удобен, т.к. не позволяет количественно охарактеризовать силу эмоции. Поэтому наряду с дискретными моделями эмоций, был разработан ряд непрерывных. В модели Дж. Рассела водится двумерный базис, в котором каждая эмоция характеризуется знаком (valence) и интенсивностью (arousal). Ввиду своей простоты модель Рассела в последнее время приобретает все большую популярность в контексте задачи автоматической классификации выражения лица [15]. Ниже на рисунке 1 приведён стандартный круг Рассела.

Рисунок 1 – Круг Рассела

Для дальнейшего построения модели классификации была выбрана база данных CLAS (Cognitive Load, Affect and Stress). Для решаемой задачи было характерно два состояния (1 – HANV (High arousal, negative valence), 0 – остальное). В данной базе присутствуют сигналы ЭКГ, ФПГ и ЭДА.

В одной из работ 2019 года была использована данная база данных, в качестве методов, указанных в исследовании, были выбраны метод опорных векторов (SVM) и линейный дискриминантный анализ (LDA), точность классификации в данной работе составила 83,3 %, но нигде не сообщалось, каким именно методом были разбиты данные для анализа. После повторения модели классификации, выяснилось, что воспроизведение получилась 82,15 %, при использовании метрики F1, воспроизведение упало до 76,41 %. После проверки метода на утечку показатель воспроизведения снизился до 64,4 %, что явно ниже точности, заявленной в работе, это говорит о том, что в рассмотренной работе не учитывались многие аспекты подготовки данных, что неверно завысило результаты.

Для собственной модели был взят метод градиентного бустинга, который показал точность в 67,5 % без метрики F1 и 65,8 % с данной метрикой и учётом утечки данных. Данные показатели говорят о том, что выбранная модель является более точной по сравнению с расмотренной.

4.2 Разработка макета приложения

В результате работы был разработан макет приложения, которое при подключении пульсометра рассчитывает основные показатели ВСР. Пользователю необходимо авторизоваться в системе, затем зайти в меню и подключить необходимое устройство, после подключения на главном экране будет отображаться значение пульса, а ниже будут показаны рассчитанные параметры, при скроллинге вниз будет доступен полный список показателей. Также, при нажатии на определённый показатель будет выводится информация о его значимости для организма человека. Ниже на рисунке 1 показаны экранные формы приложения. При выходе за нормальное значение блок, в котором будет отображаться данный показатель становится красным, чтобы пользователь сразу мог заметить отклоняющиеся значения.

Рисунок 2 – Экранные формы, разработанного макета

Рисунок 3 – Экранные формы, разработанного макета приложения

Также пользователю будет доступна история замеров и возможность адаптировать некоторые настройки приложения под себя.