Εκτίμηση ύπαρξης άγχους κατά την εκτέλεση διαγνωστικού ελέγχου Covid-19 με χρήση Μηχανικής Μάθησης

Μπίτσικας, Γρηγόριος; Bitsikas, Grigorios

dc.contributor.author	Μπίτσικας, Γρηγόριος	el
dc.contributor.author	Bitsikas, Grigorios	en
dc.date.accessioned	2024-09-04T09:01:52Z
dc.date.available	2024-09-04T09:01:52Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60123
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27819
dc.rights	Default License
dc.subject	Μηχανική Μάθηση	el
dc.subject	Άγχος	el
dc.subject	Ταχύς διαγνωστικός έλεγχος	el
dc.subject	Γαλβανική απόκριση δέρματος	el
dc.subject	Μετρήσεις	el
dc.subject	Machine Learning	en
dc.subject	Stress	en
dc.subject	Rapid Test	en
dc.subject	Galvanic Skin Response	en
dc.subject	measurements	en
dc.title	Εκτίμηση ύπαρξης άγχους κατά την εκτέλεση διαγνωστικού ελέγχου Covid-19 με χρήση Μηχανικής Μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-05-14
heal.abstract	Η πανδημία Covid-19 αποτελεί ένα γεγονός το οποίο επηρέασε και συνεχίζει να επηρεάζει πολλές πτυχές τόσο της εγχώριας αλλά και της παγκόσμιας κοινωνίας. Η πρωτόγνωρη αλλά και προκλητική φύση του ιού SARS-CoV-2 και η αντίδραση των κοινωνιών και των κρατών προκάλεσε την αντίδραση πολλών ερευνητών, επιστημόνων και πολιτικών κυβερνήσεων να αναζητήσουν λύσεις, να αναλύσουν τις επιπτώσεις και να αντιδράσουν αποτελεσματικά στις προκλήσεις που προκύπτουν. Στόχος της παρούσας διπλωματικής εργασίας είναι η εξαγωγή απόφασης για την ύπαρξη ή όχι άγχους σε ένα άτομο κατά την διάρκεια εκτέλεσης rapid test για την πιθανότητα νόσησης από Covid-19 με χρήση τεχνικών μηχανικής μάθησης. Το σύνολο των μετρήσεων με τις οποίες έγινε η εκπαίδευση του μοντέλου μηχανικής μάθησης και η εξαγωγή αποτελεσμάτων προέρχεται από έναν αισθητήρα συνδεδεμένο με μικροελεγκτή που μετρά την Γαλβανική Απόκριση Δέρματος. Με τον τρόπο αυτό μπορεί να καταγραφεί το άγχος που υπάρχει στο άτομο που εξετάζεται με rapid test. Κατόπιν χρησιμοποιήθηκε ο αλγόριθμος μηχανικής μάθησης Support Vector Machine (SVM) για την εξαγωγή αποτελεσμάτων.	el
heal.advisorName	Χριστοφόρου, Ευάγγελος	el
heal.committeeMemberName	Χριστοφόρου, Ευάγγελος	el
heal.committeeMemberName	Χουρδάκης, Εμμανουήλ	el
heal.committeeMemberName	Παναγόπουλος, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false