Utilizzo del segnale ECG per il riconoscimento di stress e emozioni

The recognition of emotions and mental states is of considerable importance not only from a psychological point of view, but also from a physical one. In fact, particular mental conditions (such as stress, anxiety) if out of control, can over time lead to physical somatization and damage to the individual's health. The use of physiological signals such as the electrocardiogram (ECG) to monitor emotions allows for rapid and low-cost diagnostics due to the development of increasingly accurate and less invasive technologies. In this thesis, techniques for ECG signal acquisition and processing aimed at stress and emotion recognition will be analyzed. The first part will present a classification of the most commonly used emotional models, an introduction on the ECG signal and its main characteristics, and the correlation between cardiac electrical activity and emotions. Next, will be explain the most popular ECG acquisition techniques and software processing algorithms aimed at emotion recognition. Finally, a practical application for the recognition of stress and anxiety in arachnophobic subjects based on data extracted from the Physionet archive will be shown.

Il riconoscimento di emozioni e stati mentali è di notevole importanza non solo da un punto di vista psicologico, ma anche fisico. Infatti, particolari condizioni mentali (come ad esempio stress, ansia) se fuori controllo, possono portare nel tempo a somatizzazioni fisiche e danni alla salute dell’individuo. L’utilizzo di segnali fisiologici come l’elettrocardiogramma (ECG) per monitorare le emozioni permette una diagnostica rapida e dai costi ridotti grazie allo sviluppo di tecnologie sempre più precise e meno invasive. In questa tesi verranno analizzate tecniche per l’acquisizione e l’elaborazione del segnale ECG finalizzati al riconoscimento di stress ed emozioni. Nella prima parte verrà presentata una classificazione dei modelli emotivi più utilizzati, un’introduzione sul segnale ECG e le sue caratteristiche principali, e la correlazione tra attività elettrica cardiaca ed emozioni. In seguito, verranno illustrate le tecniche per l’acquisizione dell’ECG più diffuse e gli algoritmi per l’elaborazione software finalizzati al riconoscimento delle emozioni. Infine, verrà mostrata un’applicazione pratica per il riconoscimento di stress e ansia in soggetti aracnofobici basata su dati estrapolati dall’archivio di Physionet.