Програмна система попереднього оцінювання ризику психоемоційних порушень на основі цифрових маркерів користувача

Abstract

Метою роботи є розробка програмної системи попереднього оцінювання ризику психоемоційних порушень на основі цифрових маркерів користувача. В роботі застосовано методи системного аналізу, логічного структурування, алгоритмічного моделювання, машинного навчання, обробки числових і аудіоданих, аналізу голосових сигналів та проєктування інформаційних потоків вебзастосунку. Для програмної реалізації використано мову програмування Python, PHP, JavaScript, HTML і CSS, а також бібліотеки NumPy, pandas, CatBoost, joblib, librosa та Chart.js. Запропоновано структуру програмної системи, що включає вебінтерфейс для лікаря, модуль керування профілями пацієнтів, підсистему завантаження та вибору активних файлів, серверну логіку з API-ендпоінтами, модуль аналізу структурованих фізіологічних і поведінкових даних, окремий голосовий модуль, підсистему візуалізації результатів і засоби відображення історичних змін у часі. Розроблено програмну систему, яка дозволяє створювати та редагувати профілі пацієнтів, завантажувати табличні файли щоденних вимірювань і WAVаудіофайли, обирати активний файл для аналізу, виконувати обчислення середніх значень, похідних індикаторів і часових тенденцій, а також формувати прогнозні ймовірності класів «норма», «тривога», «депресія» та «ПТСР». Для структурованих даних використано багатокласову модель CatBoost, а для голосового каналу — виділення ознак MFCC, RMS та ZCR з подальшим класифікаційним оцінюванням. Проведено тестування основних функцій програмної системи. Перевірено створення профілю пацієнта, завантаження, вибір, видалення і вивантаження файлів, відображення таблиці щоденних даних, обчислення середніх значень та похідних індикаторів, запуск прогнозування, відображення ймовірностей і пояснення, аналіз історичних змін у часі, а також окремий сценарій голосового аналізу з відтворенням аудіо та обробкою помилкових дій.

The aim of the work is to develop a software system for preliminary assessment of the risk of psychoemotional disorders based on user digital markers. The work applies methods of system analysis, logical structuring, algorithmic modelling, machine learning, numerical and audio data processing, voice signal analysis, and design of information flows for a web application. The implementation uses Python, PHP, JavaScript, HTML and CSS together with NumPy, pandas, CatBoost, joblib, librosa, and Chart.js. A structure of the software system is proposed, including a doctor-oriented web interface, patient profile management, upload and active-file selection workflows, backend API logic, a structured-data analysis module, a separate voice-analysis module, probability visualisation, and historical trend presentation. A software system has been developed that supports creating and editing patient profiles, uploading structured daily measurement files and WAV recordings, selecting an active file for analysis, computing averages, derived indicators and temporal trends, and generating class probabilities for normal state, anxiety, depression, and PTSD. The structured-data branch uses a multiclass CatBoost model, while the voice branch uses MFCC, RMS and ZCR features followed by classifier-based estimation. Testing of the main functions of the software system was carried out. The workflows of patient profile creation, file upload, active-file selection, file deletion and download, daily-data display, average and derived-indicator calculation, prediction launch, explanation rendering, historical trend display, voice upload and playback, and error handling were verified.