Vybrané metody automatické klasifikace psychofyziologických stavů při experimentálně navozené psychické zátěži

Abstract

Má práce se zabývá snímáním, zpracováním a interpretací dat, naměřenýchpři reálných experimentech na přírodovědecké fakultě Univerzity Karlovy, na katedře parazitologie. Data obsahují jednak elektrofyziologické signály (jako EKG, signál kožního odporu atd.), dále faktory, které jsou výsledkem psychologických testů(určené např. ke zjištění dominance či submitivity sledované osoby apod.). Těchto párových experimentů bylo provedeno cca 240?vjejich průběhu byly měřené osoby nejdříve definovanou dobu vklidu a poté byly vystaveny psychickému stresu. Zpředzpracovaných EKG dat jsem získal tachogram a následně vypočítal sadu HRV parametrů. Poté jsem HRV parametry zpracovalve vztahu k psychologickým parametrům, vypočítaným zdotazníků. Psychologické faktoryjednotlivých osob byly použity jako filtrya sledoval jsem, jaký mají vliv na odlišení klidové a stresové části záznamů . Na základě výsledků této analýzy jsem navrhnul a ověřil základní principklasifikačníhopostupu, jímž by bylo možné na základě HRV analýzy a následné klasifikace doplnit a případně zpřesnit psychologické testy.

This work concerns with the measuring, analysis and interpretation of the data, obtained from real-life experiments carried-out on the Faculty of natural science, Charles University in Prague, department of parasitology. The data sets contain electrophysiological signals (such a ECG, galvanic skin response etc.) and further factors, which are the results of certain psychylogical tests (dedicated for example for the domination vs. submisivity detection). The number of these pair-experiments was 240 ?they contain resting state followed by the psychical stress period. From thepreprocessed data the tachogram was computed and the set of HRV parameters was extracted. Then the HRV parameters were analyzed in correlation with the psychological parameters. Psychological factors of each person were used as filter parameters and theirinfluence to the separation of the rest and stress phasewas observed. Using the results of this analysis the basic principle of the classification algorithm was designed and verified. Mentioned algorithm should be usable as the supplement of the psycholo gical tests.