Los profesionales de la protección pública, incluidas las FFCCS, se ven obligados a tomar decisiones difíciles durante operaciones de alta presión, en circunstancias extenuantes. Los sistemas y las aplicaciones que ayudan a estos profesionales a tomar decisiones incorporan cada vez más información sobre el nivel de estrés del usuario para su desarrollo, adaptación y evaluación, ya que el estrés humano está estrechamente relacionado con procesos mentales como la toma de decisiones.

En este artículo, se propone un método para detectar y clasificar con precisión el nivel de estrés agudo a corto plazo, en tiempo real, para el desarrollo de soluciones personalizadas y conscientes del contexto para las FFCCS, utilizando dos arquitecturas de redes neuronales convolucionales para las tareas de detección de estrés y su clasificación en 3 niveles (bajo, moderado, alto), utilizando señales de electrocardiograma sin procesar de muy corto plazo. Los modelos fueron entrenados en dos conjuntos de datos disponibles públicamente de clasificación de estrés, después de aplicar técnicas de preprocesamiento, como la poda de datos, el muestreo descendente y el aumento de datos, utilizando un enfoque de ventana deslizante. Después de ajustar los hiperparámetros, utilizando una validación cruzada de 4 veces, la evaluación en el conjunto de pruebas demostró una precisión de vanguardia tanto en la tarea de clasificación de estrés de 3 como de 2 niveles utilizando el conjunto de datos DriveDB, informando de una precisión del 83,55% y del 98,77% respectivamente.

Lea el artículo completo aquí.