Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.udec.cl/jspui/handle/11594/6339
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorAqueveque Navarro, Pablo Esteban; supervisor de gradoes
dc.contributor.advisorAníbal Morales Montecinos; supervisor de gradoes
dc.contributor.authorNavarro Cermenati, Andrés Jacoboes
dc.date.accessioned2021-06-11T16:50:20Z-
dc.date.available2021-06-11T16:50:20Z-
dc.date.issued2021-
dc.identifier.urihttp://repositorio.udec.cl/jspui/handle/11594/6339-
dc.descriptionTesis para optar al grado de Magíster en Ciencias de la Ingeniería con mención en Ingeniería Eléctrica.es
dc.description.abstractEl estrés es un mecanismo natural de los seres vivos para abordar situaciones peligrosas, específicamente en el ser humano es la reacción del cuerpo a un desafío o momento demandante tanto físico como mental. Si esta condición se mantiene por tiempos prolongados se transforma en un estrés crónico que puede generar problemas graves en la salud de las personas. Actualmente es uno de los principales problemas laborales en Chile. Durante el año 2016 el 21% de las licencias médicas aprobadas se asociaban a enfermedades mentales ubicándose en el primer puesto, de las cuales un 20,7% corresponde a estrés, 45% a episodios depresivos y 24,9% a otros trastornos de ansiedad, mientras que para el año 2019 la cantidad de licencias médicas aprobadas asociadas a enfermedades mentales subió a un 24,3%. El estrés genera problema físicos, psicológicos y conductuales y en casos muy extremos la muerte de la persona. Actualmente para poder medir el estrés existen principalmente tres métodos a nivel mundial; el primer método es por cuestionarios o encuestas, el segundo método se basa en la medición de cortisol salival y el tercer método es por medición de variables fisiológicas. Esta tesis realiza una investigación relacionada con el tercer método de medición y tiene como principal objetivo desarrollar un sistema wearable que, mediante la medición de variables fisiológicas como ritmo cardiaco (H.R) y herramientas de aprendizaje automático, permita detectar estrés en personas. Se desarrolla un dispositivo weareable el cual mide temperatura y Heart Rate. Este último se mide en base a ECG, el cual es obtenido mediante electrodos textiles. Para la creación de los electrodos textiles se estudia los diseños existentes tanto comerciales como de laboratorio y se determina su posición y formato más idónea para la obtención de ECG. Debido a la pandemia generada por la enfermedad del coronavirus 2019 (COVID 19), en primera instancia, se obtiene una base de datos previamente etiquetada desde PhysioNet (“Non-EEG Dataset for Assessment of Neurological Status”), cuyos datos fueron analizados mediante estadísticas descriptivas para determinar cómo las variables afecta al sistema, para luego realizar un análisis de relación entre variables donde se observa que existe una concentración de datos relacionados a Delta Heath Rate y que la temperatura no afecta mayormente en la clasificación de estados de estrés y relajo. Debido a lo antes expuesto, y según lo observado en el estado del arte, se determina que los mejores modelos a utilizar corresponden a aquellos de clasificación binaria, específicamente los clasificadores KNN (K-Nearest Neighbor), Support Vector Machine y Naive Bayes. Posteriormente, en base a la cantidad de datos contenidos de la base de datos, se define utilizar 16 personas (80%) como entrenamiento y verificación del modelo y 4 personas (20%) para pruebas del estado de estrés en dichas personas. Los principales resultados indican que el mejor clasificador corresponde a KNN cuando se utilizan todas las variables consideradas y Delta Heart Rate, con un exactitud (accuracy) promedio de 68.5% y 70.5% respectivamente y F1, variable que combina las medidas de precisión y exhaustividad en un solo valor, de 73.47% y 70.74% respectivamente. Un buen desempeño en ambas métricas permite asegurar un resultado exacto, preciso y exhaustivo, evitando posibles resultados engañoso al considerar solo una la exactitud. Estos resultados pueden mejorar si, en la base de datos utilizada, se incorporarán una mayor cantidad de personas sanas y personas que padecen de estrés crónico, ya que así el modelo podría reconocer de mejor manera los estados de estrés y relajo.es
dc.language.isospaes
dc.publisherUniversidad de Concepción.es
dc.rightsCreative Commoms CC BY NC ND 4.0 internacional (Atribución-NoComercial-SinDerivadas 4.0 Internacional)-
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es-
dc.subjectCircuitos Eléctricos-
dc.subjectElectrocardiografía-
dc.subjectFrecuencia Cardíaca-
dc.subjectRitmo Cardiaco-
dc.subjectBienestar y Salud-
dc.titleDesarrollo de un sistema wearable para la detección de estrés mediante aprendizaje automático basado en ritmo cardiaco.es
dc.typeTesises
dc.description.facultadDepartamento de Ingeniería Eléctricaes
dc.description.departamentoDepartamento de Ingeniería Eléctrica.es
Aparece en las colecciones: Ingeniería Eléctrica - Tesis Magister

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TESIS DESARROLLO DE UN SISTEMA WEARABLE .pdf3,09 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons