Resumen

El estrés se clasifica como una condición de tensión mental o enfoques de presión debido a condiciones molestas o solicitantes. Hay varias fuentes de iniciación del estrés. Los investigadores consideran que el cerebro humano es el principal manantial de estrés. Para estudiar cómo cada individuo se enfrenta al estrés en diferentes formas, los investigadores realizan encuestas y lo controlan. Este artículo presenta la fusión de 5 algoritmos para mejorar la precisión de la detección del estrés mental mediante señales de EEG. Se ha modificado el algoritmo de optimización de ballenas para seleccionar el núcleo óptimo en el clasificador SVM para la detección del estrés. Se ha utilizado un conjunto integrado de algoritmos (NLM, DCT y MBPSO) para el preprocesamiento, la extracción de características y la selección. El algoritmo propuesto se ha probado con señales de EEG recogidas de 14 sujetos para identificar el nivel de estrés. El enfoque propuesto se validó utilizando la precisión, la sensibilidad, la especificidad y la puntuación F1 con valores de 96,36%, 96,84%, 90,8% y 97,96 y resultó ser mejor que los existentes. El algoritmo puede ser útil para los psiquiatras y consultores de salud para diagnosticar el nivel de estrés.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:nivel de estrés, señal eeg, manantial de estrés, algoritmo de optimización de ballenas, estrés de encuentro individual, fuente de estrés, conjunto de algoritmo, investigadores, conjunto integrado, extracción de características
• Keywords:stress level, eeg signal, wellspring of stress, whale optimization algorithm, individual encounter stress, source of stress, set of algorithm, researchers, integrated set, features extraction