| KEYWORD |
Machine Learning e data fusion di segnali fisiologici per la valutazione del livello di stress e carico cognitivo di una persona
Tesi esterna in azienda
Parole chiave ANALISI DI BIOSEGNALI, DATA FUSION, MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS
Riferimenti DANILO DEMARCHI
Riferimenti esterni Irene Buraioli (irene.buraioli@polito.it)
Tipo tesi AZIENDALE
Descrizione Lo stress e il carico cognitivo sono delle condizioni che alterano i nostri processi cognitivi ed emozionali, ostacolando il processo di decision-making in numerose situazioni della nostra vita quotidiana. Il nostro corpo è sensibile a tali condizioni e, infatti, diversi segnali fisiologici come l’ossigenazione del cervello (segnale fNIRS), il segnale cardiorespiratorio, il segnale EDA, la temperatura corporea e i movimenti oculari contengono al loro interno informazioni importanti relativamente allo stress e al carico cognitivo. Dato il numero elevato di dati e la complessità del problema, per estrapolare tali informazioni è necessario studiare la correlazione di questi segnali con lo stress attraverso algoritmi di machine learning e intelligenza artificiale.
Il lavoro di tesi proposto si articolerà nel seguente modo:
1) Al candidato sarà richiesto di effettuare un’analisi sullo stato dell’arte riguardante i modelli di machine learning applicati all’analisi multimodale di segnali fisiologici.
2) Successivamente il candidato dovrà implementare un modello, identificato dalla precedente analisi, che permetta di elaborare dati fisiologici correlati a diversi livelli di stress e carico cognitivo presenti in un dataset già acquisito dal nostro gruppo di ricerca.
3) Infine, il candidato dovrà validare il funzionamento del proprio algoritmo su dati ottenuti tramite test ad hoc.
Tale processo permetterà al candidato di dimostrare la correlazione tra i parametri fisiologici sopracitati e la variazione di una condizione di stress e carico cognitivo, implementando su dati reali modelli di intelligenza artificiale.
Conoscenze richieste Elaborazione di segnali biomedici, programmazione in python, programmazione in matlab
Scadenza validita proposta 21/11/2023
PROPONI LA TUA CANDIDATURA