[EN]
Our research paper, ‘Enhancing Mental Fatigue Detection through Physiological Signals and Machine Learning using Contextual Insights and Efficient Modeling,’ was recently published in the JSAN Journal. This paper is the result of the diligent work carried out by Carole-Anne Cos, a fourth year engineering student at ECE, during her internship at the LyRIDS research laboratory as part of the interdisciplinary research program (PI-ECE). The authors of this paper include Alexandre Lambert (Ph.D. student) and associate professors Dr. Aakash Soni, Dr. Hayfa Jeridi, Dr. Coralie Thieulin, and Dr. Amine Jaouadi. This accomplishment reflects the expertise and successful collaboration of our interdisciplinary research team.
The paper subject is described below:
Fatigue is a cognitive state resulting from inadequate rest or excessive cognitive demands and has significant consequences, including impaired decision-making and an increased risk of accidents. Monitoring physiological signals offers valuable insights into the body’s internal state and related cognitive state and enables early fatigue detection. In this context, the current paper investigates methods for utilizing physiological signals and designing techniques to efficiently model cognitive fatigue detection using machine learning algorithms. It highlights the importance of the feature selection process, which incorporates insights from the experimental design and feature characteristics, to create a relevant and high-performing machine learning model.
[FR]
Notre article de recherche, intitulé ‘Enhancing Mental Fatigue Detection through Physiological Signals and Machine Learning using Contextual Insights and Efficient Modeling,’ a récemment été publié dans le Journal JSAN. Cet article est le fruit du travail assidu réalisé par Carole-Anne Cos, une étudiante en quatrième année d’ingénierie à l’ECE, lors de son stage au laboratoire de recherche LyRIDS dans le cadre du programme de recherche interdisciplinaire (PI-ECE). Les auteurs de cet article incluent Alexandre Lambert (doctorant) et les professeurs associés Dr. Aakash Soni, Dr. Hayfa Jeridi, Dr. Coralie Thieulin et Dr. Amine Jaouadi. Cette réalisation témoigne de l’expertise et de la collaboration réussie au sein de notre équipe de recherche interdisciplinaire.
Le sujet de l’article est décrit ci-dessous :
La fatigue est un état cognitif résultant d’un repos insuffisant ou de demandes cognitives excessives et a des conséquences significatives, notamment une prise de décision altérée et un risque accru d’accidents. La surveillance des signaux physiologiques offre des informations précieuses sur l’état interne du corps et l’état cognitif associé, permettant ainsi la détection précoce de la fatigue. Dans ce contexte, le présent article explore des méthodes pour utiliser les signaux physiologiques et concevoir des techniques afin de modéliser efficacement la détection de la fatigue cognitive à l’aide d’algorithmes d’apprentissage automatique. Il montre l’importance du processus de sélection des « features », qui intègre des informations provenant de la conception expérimentale et des caractéristiques des signaux pour créer un modèle d’apprentissage automatique pertinent et performant.
Mis à jour le 22 novembre 2023