Resumen

La detección del estado de ánimo se ha convertido en un estudio cada vez más favorecido en los últimos años. Tras la llegada de los wearables inteligentes al mercado, cada individuo espera ahora recibir informes de última generación sobre su cuerpo. Los wearables más dominantes en el mercado suelen centrarse en métricas generales como el número de pasos, la distancia recorrida, la frecuencia cardiaca, la oximetría, la calidad del sueño y la fase del sueño. Pero, para identificar con precisión el bienestar de un individuo, es necesario analizar otra métrica importante, que es el estado de ánimo. El estado de ánimo es una métrica de un individuo que se reduce a la actividad de todas las demás métricas relacionadas. Sin embargo, la detección del estado de ánimo ha supuesto un gran reto para los investigadores, ya que una única bioseñal no puede proponer un umbral de decisión concreto para la detección. Por lo tanto, en este trabajo se utilizan múltiples bioseñales de diferentes partes del cuerpo para determinar el estado de ánimo de un individuo. Las bioseñales, el pulso de volumen sanguíneo (BVP) y el acelerómetro se interceptan desde un wearable que se lleva en la muñeca, y la electrocardiografía (ECG), la electromiografía (EMG) y la respiración se interceptan desde un pod que se lleva en el pecho. Para clasificar las bioseñales en las distintas categorías de estado mental, se desarrolló una arquitectura de red neuronal convolucional multicanal. El modelo global funcionó bastante bien y obtuvo unos resultados alentadores, con una recuperación y una precisión medias de 97,238 y 97,652 en todas las clases, respectivamente.

• Materias:Análisis de espectro Organización modular Diagnóstico automatizado Monitoreo Servicios de salud
• Subjects:Spectrum analysis Modular organization Automated diagnostics Monitoring Health services
• Palabras claves:estado, mente, individuo, arquitectura de red neuronal convolucional, pulso del volumen sanguíneo, necesidades métricas importantes, otras métricas relacionadas, umbral de decisión particular, bioseñales, cuerpo
• Keywords:state, mind, individual, convolutional neural network architecture, blood volume pulse, important metric needs, other related metrics, particular decision threshold, biosignals, body