Ανάπτυξη μοντέλων μηχανικής μάθησης για την αναγνώριση 
επιπέδων άγχους από ηχητικές καταγραφές φωνής και βήχα

Σκουρτσή, Δήμητρα Άννα; Skourtsi, Dimitra Anna

dc.contributor.author	Σκουρτσή, Δήμητρα Άννα	el
dc.contributor.author	Skourtsi, Dimitra Anna	en
dc.date.accessioned	2025-01-08T10:09:43Z
dc.date.available	2025-01-08T10:09:43Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60640
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.28336
dc.rights	Default License
dc.subject	Άγχος	el
dc.subject	Συναισθηματική Αναγνώριση	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Smarty4Covid	el
dc.subject	Ηχητικές καταγραφές	el
dc.subject	Anxiety	en
dc.subject	Emotion Recognition	en
dc.subject	Machine Learning	en
dc.subject	Smarty4Covid	en
dc.subject	Sound Recordings	en
dc.title	Ανάπτυξη μοντέλων μηχανικής μάθησης για την αναγνώριση επιπέδων άγχους από ηχητικές καταγραφές φωνής και βήχα	el
heal.type	bachelorThesis
heal.classification	Βιοϊατρική	el
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-07-08
heal.abstract	Η παγκόσμια εξάπλωση του ιού Sars-CoV-2 προκάλεσε μια πανδημία, η οποία έθεσε την ψυχική υγεία στο επίκεντρο των συζητήσεων, λόγω του αυξημένου άγχους που αντιμετώπισαν οι άνθρωποι, καθώς και την ανάγκη δημιουργίας ψηφιακών εφαρμογών υγείας με δυνατότητα αναγνώρισης περιστατικών άμεσα και χωρίς να είναι αναγκαία η φυσική παρουσία. Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της δυνατότητας εκπαίδευσης μοντέλων μηχανικής μάθησης με δεδομένα τα οποία έχουν συλλεχθεί μη επεμβατικά μέσω της εφαρμογής Smarty4Covid. Προκειμένου να σχεδιαστεί το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση των μοντέλου μηχανικής μάθησης, πραγματοποιήθηκε αρχικά στατιστική ανάλυση των δεδομένων με γνώμονα την υποκειμενική αναφορά του επιπέδου άγχους. Στη συνέχεια, έγινε διαχωρισμός των δεδομένων σε δυο κλάσεις και μελετήθηκε η ικανότητα των εκπαιδευμένων μοντέλων μηχανικής μάθησης να αναγνωρίζουν την κλάση στην οποία ανήκουν οι συμμετέχοντες. Οι δυο κλάσεις χωρίστηκαν είτε με βάση το επίπεδο άγχους και την κατάσταση εμβολιασμού είτε βάση μόνο των επιπέδων άγχους και πραγματοποιήθηκε δυαδική ταξινόμηση με χρήση διαφόρων μοντέλων μηχανικής μάθησης. Για την εκπαίδευση των μοντέλου χρησιμοποιήθηκαν δεδομένα ηχητικών καταγραφών βήχα και φωνής, και δοκιμάστηκε ο διαχωρισμός του συνόλου δεδομένων σε υποσύνολα βάση μεταβλητών όπως η ηλικιακή κατηγορία.	el
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	137 σ.	el
heal.fullTextAvailability	false