Abstract:
Las emociones humanas son estados mentales que están vinculados a diferentes estímulos internos o externos. Estos estados producen algunos cambios fisiológicos. La ansiedad o el estrés pueden producir el aumento de la contracción ventricular o la frecuencia respiratoria. El objetivo de la presente investigación es el desarrollo de un sistema automático en tiempo real que permita la detección del nivel de estrés a través del análisis del acople cardiorrespiratorio de sujetos sometidos a estímulos audiovisuales. El estudio se divide en diferentes etapas: diseño e implementación de un sistema para la adquisición de las señales electrocardiográficas (ECG) y de flujo respiratorio (FLW); registro de señales cardiorrespiratorias para la creación de una base de datos; procesamiento digital de las señales; estimación de series de datos tales como la variabilidad del corazón, las pendientes del complejo QRS y el FLW promedio; extracción de las principales características de las series de datos estimadas; y el diseño de un clasificador PCA-fKNN y un clasificador SVM para la clasificación de las emociones. Se realizó una validación ciega para probar los modelos de clasificación obtenidos durante el entrenamiento de ambos clasificadores. Los mejores resultados de clasificación se obtuvieron con el análisis de las características de la magnitud de la coherencia al cuadrado (MSC) de la señal respiratoria y la pendiente de subida del complejo QRS con índices de AUC de 75-97% con el clasificador PCA-fKNN, y AUC de 70-93% con el clasificador SVM.
