SYSTEM FOR DETECTING CRITICAL HUMAN HEALTH CONDITIONS BASED ON THE ANALYSIS OF PHYSIOLOGICAL INDICATORS

ID елемента: 22386
2026/05/05
Властивості
Назва
Англійська
SYSTEM FOR DETECTING CRITICAL HUMAN HEALTH CONDITIONS BASED ON THE ANALYSIS OF PHYSIOLOGICAL INDICATORS
Українська
Система виявлення критичних станів здоровʼя людини на основі аналізу фізіологічних показників
Опис
Англійська
Relevance. The modern increase in cardiovascular diseases, diabetes, and psychological disorders, particularly post-traumatic stress disorder (PTSD), necessitates the implementation of intelligent health monitoring systems. WHO statistics indicate 15 million premature deaths annually, with 32% attributed to cardiovascular diseases. Additionally, the war in Ukraine has significantly impacted stress levels among the population, increasing mortality risks. Traditional monitoring methods do not ensure timely detection of critical conditions, making the adoption of AI-based automated solutions essential. The object of this study is a system for detecting critical human health conditions based on the analysis of biometric indicators and their dynamics using machine learning methods. The aim of the article is to develop and evaluate the effectiveness of an automatic system for detecting critical health conditions that operates using wearable devices and artificial intelligence algorithms. To achieve this goal, a stress level classifier based on physiological indicators was implemented, and a comparative analysis of two algorithms, MLPClassifier and RandomForestClassifier, was conducted. As a result of the research, an architecture for a continuous health monitoring system was proposed, an algorithm for stress level assessment using ECG, EDA, BCP, and breathing patterns as input parameters were developed, and MLP and Random Forest classifiers were trained, and tested on a dataset of 65 participants. MLPClassifier demonstrated higher classification accuracy (91.3%), confirming its effectiveness for monitoring critical health conditions.
Українська
Актуальність. Сучасний ріст захворювань серцево-судинної системи, діабету та психологічних розладів, зокрема посттравматичного стресового розладу (ПТСР), вимагає впровадження інтелектуальних систем моніторингу стану здоров’я. Статистика ВООЗ вказує на 15 мільйонів передчасних смертей щороку, причому 32% припадає на серцевосудинні захворювання. Крім того, війна в Україні суттєво вплинула на рівень стресу серед населення, що підвищує ризик смертності. Традиційні методи моніторингу не забезпечують оперативного виявлення критичних станів, що робить необхідним застосування автоматизованих рішень на основі штучного інтелекту. Об’єктом дослідження є система виявлення критичних станів здоров’я людини, що базується на аналізі біометричних показників та їхньої динаміки за допомогою методів машинного навчання. Метою статті є розробка та оцінка ефективності системи автоматичного виявлення критичних станів здоров’я, що працює на основі носимих пристроїв і алгоритмів штучного інтелекту. Для досягнення цієї мети реалізовано класифікатор рівня стресу на основі фізіологічних показників та проведено порівняльний аналіз двох алгоритмів: MLPClassifier та RandomForestClassifier. В результаті провеедних досліджень запропоновано архітектуру системи безперервного моніторингу критичних станів здоров’я, розроблено алгоритм оцінки рівня стресу, що використовує ECG, EDA, BCP та Breathing pattern як вхідні параметри, навчено та протестовано класифікатори MLP та Random Forest на датасеті із 65 учасниками. MLPClassifier продемонстрував вищу точність класифікації (91.3%), що підтверджує його ефективність для моніторингу критичних станів здоров’я.
Автор
Англійська
Barkovska, O.
Англійська
Ni, Ya.
Англійська
Havrashenko, A.
Англійська
Peretiaka, Ye.
Англійська
Romanenko, A.
Українська
Барковська, О. Ю.
Українська
Ні, Я. С.
Українська
Гаврашенко, А. О.
Українська
Перетяка, Є. О.
Українська
Романенко, А. О.
Тематика
Англійська
health monitoring system
Англійська
critical conditions
Англійська
wearable sensors
Англійська
electrocardiogram
Англійська
machine learning
Англійська
classification
Англійська
MLPClassifier
Англійська
RandomForestClassifier
Англійська
telemedicine
Англійська
biophysiological indicators
Українська
система моніторингу здоров'я
Українська
критичні стани
Українська
носимі сенсори
Українська
електрокардіограма
Українська
машинне навчання
Українська
класифікація
Українська
MLPClassifier
Українська
RandomForestClassifier
Українська
телемедицина
Українська
біофізіологічні показники
Видавництво
Українська
Національний університет «Полтавська політехніка імені Юрія Кондратюка»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Українська
Рецензована Стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/sunz/article/view/3686
10.26906/SUNZ.2025.1.143-149
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 1 No. 79 (2025): Control, Navigation and Communication Systems; 143-149
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 1 № 79 (2025): Системи управління, навігації та зв’язку; 143-149
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 1 № 79 (2025): Системи управління, навігації та зв’язку; 143-149
2073-7394
10.26906/SUNZ.2025.79
2025. №1 (79)
Мова
en
Відношення
https://journals.nupp.edu.ua/sunz/article/view/3686/3025
Права
Українська
http://creativecommons.org/licenses/by-nc/4.0
Набори елементів 1
Збірник наукових праць. Системи управління, навігації та зв’язку
20733 346 items
Інформація про метадані
Створено
2026-5-5 11:56
Остання зміна
2026-5-5 11:56
ID елемента
#22386