Online-Stress-Diagnose-System

Canovas Valles, FranciscoOlga (BA in Linguistik und MSc in eCommerce) und Francisco (BSc in Computer Science, MSc in Software Engeeniering und MSc in eCommerce) arbeiten derzeit für führende Unternehmen im IT-Sektor, während Zaneta (MSc in eCommerce und Master in International Economic Relations) als Journalistin für das nationale Fernsehen tätig ist.

Die vorliegende Arbeit befasst sich mit der Diagnose und Klassifizierung von individuellem Stress mithilfe einer Online-Client-Server-Architektur, bei der die Methoden des Case-Based Reasoning (CBR) und der Fuzzy-Logik auf der Serverseite implementiert sind. Jüngste Studien zeigen, dass Stress gesundheitliche Probleme verursachen kann, und mehrere klinische Studien besagen, dass es möglich ist, das Stressniveau eines Patienten durch seine Fingertemperatur zu messen. Daher ist das Hauptziel dieses Buches die Bestimmung des individuellen Stressniveaus mit Hilfe eines speziellen Hardware-Gerätes, das die Temperatur der Finger aufzeichnet. Anschließend werden die aufgezeichneten Daten an den Server gesendet, um mit 39 in der Fallbibliothek gespeicherten Beispielfällen, die bereits von einem klinischen Experten diagnostiziert und klassifiziert wurden, abgeglichen und verglichen zu werden. CBR und Fuzzy Similarity liefern die nächstgelegenen Fälle nach einem Matching-Verfahren, das mehrere Merkmale (Temperaturentwicklung, Geschlecht, Raumtemperatur...) berücksichtigt. Andere verfügbare Suchmethoden, wie die euklidische Distanz oder die Ähnlichkeitsmatrix, wurden ebenfalls eingehend evaluiert, wobei sich die Fuzzy-Ähnlichkeit als die genaueste herausstellte. Alles ist unter einer intuitiven und sehr benutzerfreundlichen GUI zusammengefasst, die sowohl für Patienten als auch für Kliniker leicht zugänglich ist.