Uso de relojes inteligentes para la detección del nivel de estrés en el diagnóstico y detección precoz de limitaciones funcionales

El presente Trabajo de Fin de Grado busca la caracterización y detección del estrés en personas con limitaciones funcionales, a través de una pulsera inteligente. Se extraen los parámetros de las señales biológicas y se emplean algoritmos de Machine Learning para generar modelos entrenados mediante una base de datos externa (WESAD), que posteriormente sean capaces de distinguir situaciones de estrés o no-estrés en sujetos previamente no conocidos por los modelos. Gracias al algoritmo Random Forests, conseguimos un F1 score, que es una de nuestras métricas de calidad, de alrededor al 87% en la clasificación de situaciones de estrés.The present Final Year Project aims at characterising and detecting stress conditions in people with functional limitations, through a wearable device. Parameters from the provided biological signals are extracted and Machine Learning techniques are used for creating trained models, by using an external database (WESAD), which are able to differentiate between stressful and non-stressful situations in subjects that were never seen before by the models. Thanks to the Random Forests algorithm, we can obtain a F1 score, which is one of our quality metrics, of about the 87% in stressful situations.Grado en Ingeniería en Tecnologías de Telecomunicació