Optimierung der Stressdetektion: Nutzung von MobileNet-V2 mit azimutaler EEG-Kartierung

Diese Untersuchung bewertet sorgfältig Modelle zur Stressklassifizierung unter Verwendung von Benchmark-Datensätzen (D1, D2, D3). Die Studie befasst sich mit der Effektivität der Modelle, insbesondere MobileNet-V2, das einen innovativen azimutalen Projektionsansatz integriert. MobileNet-V2 übertrifft konsequent seine Mitbewerber und zeigt beeindruckende Genauigkeit, Spezifität, Sensitivität und F1-Score. Bemerkenswerte Ergebnisse umfassen 95,5 % Genauigkeit, 98,8 % Spezifität und 95,5 % Sensitivität bei D1, mit einer Trainingszeit von nur 3,5 Stunden. Bei D2 und D3 behält MobileNet-V2 mit 96 % Genauigkeit, 97,5 % Spezifität und 96 % Sensitivität Exzellenz bei und unterstreicht seine rechnerische Effizienz mit Trainingszeiten von 3,8 Stunden bei D2 und 3,6 Stunden bei D3. Diese Ergebnisse positionieren MobileNet-V2, integriert mit azimutaler Projektion, als bevorzugte Wahl für die Stressklassifizierung und bieten eine effektive Balance zwischen Leistung und Ressourcennutzung.