Η αναγνώριση επιπέδων σωματικής κόπωσης από ECG δεδομένα με χρήση τεχνικών Deep Learning.

Θα πραγματοποιηθεί πείραμα με υγιείς ενήλικες κατά τη διάρκεια προοδευτικά αυξανόμενης άσκησης (διάδρομος, ποδήλατο ή καθίσματα) σε 3 επίπεδα έντασης (χαμηλή–μεσαία–υψηλή). Το ECG θα συλλέγεται από τον Polar H10 και θα γίνεται εξαγωγή χαρακτηριστικών όπως HR, RMSSD, SDNN, LF/HF και energy bands από μετασχηματισμό FFT. Θα εφαρμοστούν CNN ή LSTM για ταξινόμηση των επιπέδων κόπωσης.

Προγραμματισμός, Ανάλυση Σημάτων, Μηχανική Μάθηση

Python, NumPy/SciPy, TensorFlow ή PyTorch

Fan, J., Dong, L., Sun, G., & Zhou, Z. (2025). A Deep Learning Approach for Mental Fatigue State Assessment. Sensors, 25(2), 555.

Chen, Y., Ge, H., Su, X., & Ma, X. (2024). Classification of exercise fatigue levels by multi-class SVM from ECG and HRV. Medical & Biological Engineering & Computing, 62(9), 2853-2865.