Search academic texts

Information × Registration Number 0826U001088, PhD dissertation Status Доктор філософії Date popup.evolution o Title Methods and models for determining a person's psychological state based on information from physiological signals Author Sukholeister Oleksandr, popup.head Adrian Y. Nakonechnyi popup.opponent Yaroslav D. Pyanylo popup.opponent Oleh M. Berezsky popup.review Orest V. Kochan popup.review Dmytro V. Sabodashko Description Олександр СУХОЛЕЙСТЕР. Методи та моделі визначення психологічного стану людини на основі інформації фізіологічних сигналів. – На правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 123 «Комп'ютерна інженерія». – Національний університет «Львівська політехніка», Львів, 2026. Дисертаційна робота присвячена розробленню методів і моделей визначення психологічного стану людини на основі аналізу інформації фізіологічних сигналів, зокрема електроенцефалографії та електрокардіографії. Основну увагу приділено автоматизованому розпізнаванню психоемоційних станів і клінічно значущих розладів, передусім великого депресивного розладу, із застосуванням мультимодального підходу та методів машинного навчання. У вступі обґрунтовано актуальність теми, сформульовано мету і задачі дослідження, визначено наукову новизну, практичне значення отриманих результатів, подано інформацію про апробацію та публікації автора. Мета роботи полягає у підвищенні якості автоматизованого визначення психологічного стану людини та психічних розладів на основі аналізу фізіологічних сигналів шляхом розроблення та удосконалення методів попередньої обробки, часо-частотного та когерентного аналізу, формування інформативних мультимодальних ознак і побудови моделей машинного навчання з високою здатністю до узагальнення для задач скринінгу, допоміжної діагностики та динамічного моніторингу. У першому розділі здійснено аналіз сучасного стану досліджень у галузі автоматизованого визначення психоемоційних і клінічних станів. Розглянуто підходи афективних обчислень і клінічні моделі психічних розладів, особливості використання фізіологічних сигналів як джерел об’єктивної інформації про психічний стан, а також вимоги до якості рішень у сценаріях скринінгу, допоміжної діагностики та динамічного моніторингу. Проаналізовано основні класи методів аналізу біосигналів, включно з часо-частотними, когерентними та мережевими підходами, а також проблеми міжсуб’єктної варіабельності, персоналізації та узагальнюваності моделей. У другому розділі подано теоретичні засади та розроблено методи аналізу фізіологічних сигналів. Описано уніфіковану схему попередньої обробки, сегментації, контролю якості та синхронізації даних з різних модальностей. Розглянуто методи дискретного, неперервного та синхростиснутого вейвлет-перетворень для формування часо-частотних представлень сигналів. Сформовано структурований каталог унімодальних і мультимодальних ознак, що охоплює часові, частотні, часо-частотні, когерентні та мережеві показники, а також визначено параметри та змінні, що використовуються в експериментальних дослідженнях. У третьому розділі наведено результати експериментальних досліджень, спрямованих на оцінювання інформативності різних груп ознак і підходів до аналізу біосигналів. Реалізовано методи оцінювання функціональної зв’язності між каналами ЕЕГ та між різними модальностями на основі вейвлет-когерентності та взаємного вейвлет-перетворення. Побудовано матриці зв’язності та похідні графові характеристики, що відображають часово-частотні патерни взаємодії між мозковими та периферичними процесами. Проведено порівняльний аналіз впливу довжини часових вікон, типів ознак і стратегій злиття інформації на якість розпізнавання. Проведені експерименти на відкритих клінічних множинах даних показали переваги когерентних і мережевих ознак порівняно з традиційними енергетичними показниками. У четвертому розділі проаналізовано інтерпретованість і практичну придатність розроблених підходів у клінічно орієнтованих сценаріях. Перевірено переносимість фіксованого ЕЕГ-ознакового простору, оптимізованого для великого депресивного розладу, на задачі РДУГ та їх диференціацію, що підтримує диференційований скринінг між розладами. Запропоновано формат використання моделей у первинному скринінгу й моніторингу з поданням результату як ймовірності класу або шкалованого ризикового балу для підтримки клінічних рішень без трактування системи як автономної діагностики. Обґрунтовано детерміноване індексування зв’язності як спосіб редукції тензорних представлень вейвлет-когерентності до компактних частотно-регіональних індикаторів, придатних для міжсуб’єктного та міжвізитного порівняння. Практичну значущість підтверджено реалізацією прототипів програмних модулів аналізу ЕЕГ та ЕКГ для подальшої інтеграції у клінічні й дослідницькі інформаційні системи. Ключові слова: афективні обчислення, фізіологічні сигнали, ЕКГ, ЕЕГ, вейвлет аналіз, вейвлет когерентність, класифікація, згорткові нейронні мережі, мультимодальне злиття, біомаркери, мультимодальні фізіологічні дані, машинне навчання, інженерія ознак, медична інформатика, аналіз медичних даних, підтримка діагностичних рішень. Registration Date 2026-04-18 popup.nrat_date 2026-04-18 Close