BVP ve EDA Sensörleri Kullanılarak Yapay Zekâ Destekli Stres Tespiti
Stress Detection with Artificial Intelligence Using BVP and EDA
- Tez No: 776443
- Danışmanlar: DOÇ. DR. TUĞBA SELCEN NAVRUZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günlük yaşamda kişi, maddi sıkıntılar, çalışma hayatı, sağlık sorunları, kişisel sorumluluklar gibi pek çok olumsuz etmene ve duygu durumuna maruz kalmaktadır. Bu çalışmanın amacı, bu faktörlerden kaynaklanan stresi kişiye en az rahatsızlık verecek şekilde tespit etmektir. Bir kişinin strese maruz kaldığını tespit etmek için kalp atımı, kan basıncı, elektromiyografi (EMG), elektrokardiyografi (EKG), elektroensefalografi (EEG), solunum, deri iletkenliği gibi fizyolojik verilerin kullanımı oldukça yaygındır. Bu çalışmada açık kaynak olan WESAD veri setindeki Empatica E4 cihazı ile bilekten alınan kan hacmi basıncı (Blood Volume Pulse, BVP) ve elektrodermal aktivite (EDA) sensör verileri kullanılarak stres tahmini yapılmıştır. BVP ve EDA sensörlerinin kullanımıyla kişiye olan müdahale minimize edilmeye çalışılmıştır. Böylece uygulanan algoritma modelleri ve sensör yöntemiyle günlük hayata kolayca adapte edilebilecek bir çalışma sunulmuştur. Stres tespiti için veri setindeki temel durum ve stres etiketli veriler kullanılarak Destek Vektör Makineleri (Support Vector Machines, SVM), k-En Yakın Komşular (k-Nearest Neighbors, kNN), Adaptive Boosting (AdaBoost) makine öğrenme yöntemleri ve bir ileri beslemeli derin öğrenme yapay sinir ağı algoritması uygulanmıştır. Uygulanan modeller ile sırasıyla %94,74; %96,74; %92,58 ve %96,26 doğruluk oranları elde edilmiştir. Çalışmada bahsedilen makine öğrenmesi algoritmalarından ve sinir ağı yönteminden alınan sonuçlar kendi içerisinde değerlendirilmiş ve geçmiş çalışmalardaki sinir ağı yöntemleri ile karşılaştırılmıştır. Ek olarak, kullanılan sensör sayısının azaltılması ve kişiye yapılan müdahalenin minimize edilmesinden dolayı tez çalışmasının literatüre katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
In daily life, a person is exposed to many negative factors and emotional states as arising from financial difficulties, working life and, personal responsibilities. The aim of this study is to detect stress resulted from these factors in a way that causes the least discomfort to the person. It is quite common to use physiological data such as heart rate, blood pressure, electromyography (EMG), electrocardiography (ECG), electroencephalography (EEG), respiration and, skin conductivity to detect when a person is exposed to stress. In this study, stress estimation was made using blood volume pulse (BVP) and electrodermal activity (EDA) sensor data obtained from the Empatica E4 wrist-worn device in the open source WESAD dataset. With the use of BVP and EDA sensors, the intervention to the person has been tried to be minimized. Thus, a study that can be easily adapted to daily life with the applied algorithm models and sensor method is presented. For stress detection, Support Vector Machines (SVM), k-Nearest Neighbors (kNN), Adaptive Boosting (AdaBoost) machine learning methods and a feed-forward deep learning artificial neural network algorithm were applied using the baseline and stress labeled data in the dataset. With the proposed models, accuracy rates of %94,74; %96,74; %92,58 and %96,26 were obtained, respectively. The results obtained from the machine learning algorithms and neural network method mentioned in the study were evaluated within themselves and compared with the neural network methods used in previous studies. In addition, it is thought that the thesis study will contribute to the literature due to the reduction of the number of sensors used and the minimization of the intervention to the person.
Benzer Tezler
- Duygusal reaksiyonların fizyolojik deneyim örnekleme ile analizi
Analysis of emotional reactions with physiological experience sampling
GÜLİN DOĞAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA PATLAR AKBULUT
- Machine learning-enabled stress detection in children using physiological signals during robot assisted therapy
Çocuklarda makine öğrenmesi ile desteklenmiş robot ile yapılan terapi sırasında fizyolojik sinyallerle stres tespiti
SEVGİ NUR BİLGİN AKTAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Zihinsel yorgunluk bulgularının fizyolojik sinyallere dayalı analizi
Analysis of signs of mental fatigue based on physiological signals
ŞEYMA DERDİYOK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA PATLAR AKBULUT
- A social navigation approach for mobile assistant robots
Asistan mobil robotlar için sosyal bir navigasyon yaklaşımı
HASAN KIVRAK
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- An affective framework for brain computer interfaces using transfer learning in virtual environments
Sanal ortamlarda transfer öğrenme kullanılarak beyin bilgisayar arayüzleri için duyuşsal çerçeve oluşturulması
MEHMET ALİ SARIKAYA
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE