Thèse (D.Ps.)--Université de Sherbrooke (Canada), 2008. / Titre de l'écran-titre (visionné le 16 sept. 2009). In ProQuest dissertations and theses. Publié aussi en version papier.

Trois expériences ont été réalisées pour évaluer la faisabilité d'un détecteur de fatigue mentale qui exploiterait des signaux électrophysiologiques pour discriminer des fenêtres de temps associées à un état " fatigué " de fenêtres associées à un état " pas fatigué ". Dans la première expérience, les sujets réalisaient une tâche de task switching pendant environ 2 h. Deux segments de 20 min ont été retenus pour chaque sujet. Le premier a été associé à un état " pas fatigué ", l'autre à un état " fatigué ". Puis ces segments ont été découpés en fenêtres de temps glissantes sur lesquelles les signaux électrophysiologiques (EOG, ECG et EEG) ont été quantifiés. L'usage de SVM linéaires (appris sujet par sujet) pour la classification des fenêtres de temps a permis plusieurs observations. Le taux de bonnes classifications augmentaient avec la taille des fenêtres de temps (de 4 à 30 s) mais pas assez pour que l'ITR augmentât lui aussi avec cette taille des fenêtres. Les quantifications de l'EOG se plaçaient derrière celles de l'ECG, elles-mêmes supplantées par les amplitudes moyennes de l'EEG qui elles aussi étaient dépassées par les PLV de l'EEG en termes de taux de bonnes classifications avec (pour les PLV) des taux supérieurs à 90 %. L'examen des poids SVM permît de constater que les quantifications d'EOG et en particulier d'ECG contribuaient à la classification lorsque toutes les quantifications des différentes modalités étaient utilisées ensemble, en utilisant des fenêtres de temps de 30 s. Les amplitudes moyennes de l'EEG augmentaient en 7-13 Hz et diminuaient en 13-18 Hz. En 3-7 Hz apparaissait une augmentation en FCz évoquant la négativité d'erreur. Dans une deuxième expérience avec une tâche de compatibilité spatiale, nous avons discriminé des fenêtres de 20 s entre un niveau de bonnes performances (temps moyen de réaction courts) et un niveau de moins bonnes performances, en quantifiant ces fenêtres à l'aide des amplitudes moyennes, des PLV ou des cohérences de l'EEG, au niveau du scalp et au niveau de sources reconstruites sur le cortex cérébral. Nous nous attendions à des meilleurs taux de bonnes classifications avec les sources reconstruites qu'avec les données de scalp, quelque soit la quantification, mais ce ne fût pas le cas. Nous avons également réalisé une simulation reprenant l'essentiel des analyses réalisées précédemment et en provoquant deux phénomènes, l'un à travers l'amplitude de signaux utiles à la classification, l'autre jouant sur le couplage entre deux signaux utiles. Ces simulations ont montré d'une part la complémentarité des mesures de synchronie locale, telles que l'amplitude moyenne, avec les mesures de synchronie à distance telles que la cohérence ou la PLV, et d'autre part l'apport de la reconstruction de sources en termes de taux de bonnes classifications et de localisation des motifs discriminants. Cette incompatibilité entre les résultats sur données simulées et ceux sur les données EEG réelles est interprétée ici comme la conséquence de la non-prise en compte, dans le processus de reconstruction, de sources extra-corticales comme les sources cérébrales sous-corticales et les sources extra-craniennes (yeux, muscles) qui pourraient avoir eu une contribution. La troisième étude portait sur une troisième expérience en contexte écologique cette fois-ci, impliquant les élèves-pilotes dans un simulateur de vol. La simulation durait près de 3 h et les signaux EEG ainsi que trois paramètres de vol (cap, altitude, vitesse) ont été enregistrés. Nous avons proposé une mesure comportementale quantifiant la variabilité des paramètres de vol, par fenêtres de 10 s, pour suivre la performance des pilotes avec une résolution temporelle adaptée à nos analyses. Nous avons construit deux classes, à savoir un groupe de fenêtres de temps de 10 s associé aux bonnes performances (variabilité faible) et un second groupe de fenêtres associé aux moins bonnes performances. Plutôt que d'utiliser une procédure de validation croisée, nous avons évalué les classifieurs appris sur des données postérieures aux données d'apprentissage, de manière à évaluer la capacité de la procédure de classification à déterminer la tendance générale des performances du pilote. Cette procédure permettait effectivement de déterminer si les performances des pilotes se dégradaient en fin de vol ou pas, ce pour 12 sujets sur 13. Les corrélats physiologiques exhibés ne correspondaient pas d'une expérience à une autre ce qui laissait penser que soit les différentes manières de construire les classes ne permettaient pas d'isoler un même différentiel de fatigue mentale, soit la fatigue mentale telle qu'observée à travers les techniques électrophysiologiques employées dépendait de la tâche et/ou des sujets. En revanche, la faisabilité d'une discrimination d'états mentaux proches de réalités opérationnelles a été établie.

Nous sommes de plus en plus nombreux, jeunes ou âgés, à travailler devant un écran en milieu professionnel. Cette activité de travail peut induire une charge mentale et une fatigue importante, qui peuvent à leur tour générer, chez les personnes âgées notamment, des problèmes de santé. Dans ce contexte, il est donc important de développer et de déployer des solutions de surveillance de l’état psychophysiologique et d’alerte du travailleur sur écran.La charge mentale et la fatigue sont des phénomènes psychophysiologiques multidimensionnels. Des routines de travail inappropriées sont susceptibles d’accélèrr le développement de la fatigue, qui peut s’accompagner d’une diminution des ressources cognitives disponibles et d’une augmentation des erreurs. Les micro-pauses font partie des solutions possibles pour retarder, si elles sont mises en place de manière appropriée, l’apparition de la fatigue et de ses effets corollaires. L'oculométrie est une technologie prometteuse permettant la quantification de la charge mentale et des niveaux de fatigue. Ce travail doctoral avait pour objectif principal d’évaluer si, et dans quelle mesure, l'oculométrie, en association avec la charge mentale et la fatigue, peut être utilisée comme outil de détection précoce de la fatigue, et comme moyen de paramétrage de micro-pauses à mettre en œuvre afin de ralentir et/retarder le développement de la fatigue durant l’exécution d’un travail sur ordinateur.Pour répondre à cet objectif, trois études (I-III) portant sur 58 individus jeunes et âgés ont été conduites. Une tâche expérimentale, se rapprochant de celle qu’uin travailleur peut réaliser sur ordinateur, a été développée pour induire une charge mentale de trois niveaux d’intensités croissantes. Les positions du regard et les réponses pupillaires ont été enregistrées pendant l'exécution de cette tâche afin de détecter les événements oculaires et de calculer ainsi les paramètres oculomoteurs tels que la durée de fixation par exemple.Dans l'étude I, cette tâche a été effectuée à deux jours d’intervalle et dans un ordre contrebalancé. Les performances à la tâche et la charge de travail ont d’une part été mesurées. Dix-neuf paramètres oculomoteurs ont, d’autre part, été calculés pour évaluer leur sensibilité à la charge mentale, et leur fiabilité sur plusieurs jours.Dans l'étude II, le développement de la fatigue a été étudié au moyen des mesures oculométriques au cours de l'exécution de la tâche pendant 40 minutes, alors que les mesures de la fatigue subjective et de la performance ont été acquises. Un modèle prédictif du développement de la fatigue a été conçu sur la base des données d’oculomotricité recueillies dans l'étude II. Un système de biofeedback en temps réel basé sur l'oculométrie a été mis en œuvre. Son principe de fonctionnement repose sur la détection de la fatigue à l'aide du modèle développé, et le déclenchement de micro-pauses dès lors qu’un état de fatigue est détecté, afin de ralentir sa progression durant l’exécution de la tâche. L'efficacité et la robustesse de ce système de contrôle en boucle fermée ont été comparées à des micro-pauses déclenchées de manière automatique en termes de charge de travail perçue et de précision de la détection de la fatigue sur toute la journée.Nos résultats ont mis en évidence la fiabilité et la sensibilité d’un ensemble de paramètres oculomoteurs permettant d’estimer la charge mentale et la fatigue chez les personnes jeunes et âgées. Le biofeedback basé sur l’oculométrie a permis la planification des micro-pauses, qui, en comparaison à des micro-pauses déclenchées de manière automatique, ont réduit de manière significative la charge de travail perçue et le développement de la fatigue.Dans leur ensemble, les résultats suggèrent que le système de biofeedback oculométrique développé dans le cadre de ce travail doctoral peut représenter une solution prometteuse pouvant contribuer à un travail sur ordinateur productif et sain. / Computer work, as a prevalent occupation, involves different levels of mental load and fatigue with possible negative health effects. The population aging has also led to increased elderly workers highlighting the need for protective measures.Mental load and fatigue are multidimensional psychophysiological phenomena. Inefficient work routines accelerate fatigue development, associated with declined cognitive resources and increased errors. Micro-breaks are strategic solutions to counteract fatigue subject to design constraints, e.g. timing plan. Eye tracking is a promising technology for the quantification of mental load and fatigue levels. The oculometrics were aimed to be studied in association with age, mental load and fatigue, allowing early detection of fatigue, and thereby applying biologically-valid micro-breaks to decelerate fatigue development.Upon this, three Studies (I-III) involving 58 young and elderly individuals were conducted. A task, resembling computer work, was developed to induce mental load. Gaze positions and pupillary responses were recorded during the task execution to detect ocular events (saccades, fixations, and blinks), and thereby computing oculometrics e.g. fixation duration. In Study I, the task was performed on three load levels in a counterbalanced order across two days. Between-day reliability and mental-load sensitivity of 19 oculometrics were assessed, besides measuring performance and perceived workload. In Study II, fatigue development was explored in oculometrics during 40-min performance of the task while subjective fatigue and performance metrics were obtained. A predictive model of fatigue was developed in Study III based on the ocular data collected in Study II. An oculometrics-based biofeedback system was implemented in real time to detect fatigue using the developed model, which triggered micro-breaks upon fatigue detections to counteract it during the task. The optimality of the system was compared with self-triggering micro-breaks in terms of fatigue trends and workload.A group of oculometrics was sensitive and reliable to reflect mental load and fatigue in the young and elderly individuals. Similar trends in the oculometrics were observed with increased mental load and fatigue levels, implying shared neural systems for both conditions. Although age-related differences were exhibited in some oculometrics, age did not directly contribute to the predictive model of fatigue. The oculometrics-based biofeedback provided an improved solution for timing plan of micro-breaks in reducing workload and fatigue development compared with self-triggering micro-breaks. The oculometrics-biofeedback system made a benchmark towards productive and healthy computer work.

Dans un contexte fortement concurrentiel, l'un des principaux enjeux pour les acteurs de l'offre de services audiovisuels (AV) est de garantir au spectateur une qualité d'expérience (QoE) optimale. Aujourd'hui, la QoE est souvent restreinte à la perception de la qualité audiovisuelle restituée (QAV) par le système. Elle est principalement mesurée à travers la collecte de notes données par des participants sur des échelles de qualité, après visualisation et écoute de séquences AV traitées par le ou les technologies à évaluer. Ces tests subjectifs suivent des procédures recommandées par l'Union Internationale des Télécommunications. Cependant, la qualité restituée peut affecter la QoE (fatigue, effort, etc.) sans être reflétée par les notes de qualité. Une méthode considérant l'évaluation non plus de la QAV perçue seule mais de la qualité d'expérience, plus largement considérée, pourrait permettre de mieux rendre compte de l'influence de la qualité du son et de l'image sur le spectateur. Le présent travail est centré sur la recherche d'une méthode alternative aux méthodes actuelles de l'évaluation de qualité pour applications multimédias dans un contexte de visualisation et d'écoute de contenus AV 2D ou 3D. L'approche proposée aborde la QoE sous l'angle de l'analyse conjointe d'indicateurs subjectifs et d'indicateurs toniques physiologiques (activité électrodermale, rythme cardiaque, température cutanée périphérique, volume sanguin périphérique) et oculaires (PERCLOS, durée et fréquence de clignement de loeil, nombre de saccades, diamètre pupillaire). Les mesures physiologiques et oculaires ont pour avantage de ne pas être assujetties aux biais des mesures subjectives (représentativité, échelles, etc.) et de traduire des phénomènes comme la fatigue ou l'effort mental, potentiellement induits par la présence de dégradations sur les signaux audio et/ou vidéo et pouvant être critiques du point de vue de la QoE. Deux protocoles ont été testés. Les résultats ont montré que la QAV module l'expérience subjective et que les notes de qualité ne sont pas suffisantes pour refléter fidèlement cet effet. L'influence de la QAV sur les mesures physiologiques et oculaires est moins évidente. Un ensemble de facteurs, notamment lié à certains attributs du contenu de test comme la dynamique ou la luminosité, aurait pu masquer ou atténuer l'observation d'un effet de la qualité restituée. Néanmoins, deux des indicateurs physiologiques ont réagi à la présence de dégradations audio et/ou vidéo lorsque celles-ci étaient cumulées à l'effet préjudiciable d'autres facteurs (vidéo 3D ou effet de passation).

L’objectif général de ce travail doctoral était d’étudier les effets de la fatigue (physique et mentale) sur le contrôle postural. Tout d’abord, les effets de la fatigue musculaire du quadriceps fémoral induite par des contractions volontaires et des contractions électro-induites ont été comparés. Les résultats ont montré que des contractions volontaires altéraient davantage le contrôle postural que des contractions électro-induites pour une perte de force musculaire équivalente. Ceci s’expliquerait par la présence d’une fatigue centrale après les contractions volontaires, ainsi qu’une sollicitation différente des fibres musculaires entre les deux modalités de contraction. Des mécanismes compensatoires seraient mis en œuvre après ces deux modalités de contractions fatigantes, mais de façon plus prononcée pour les contractions volontaires. Concernant la fatigue mentale, les effets d’une tâche cognitive exigeante et prolongée sur ordinateur (induisant un état de fatigue mentale) et d’un visionnage de documentaire (tâche contrôle) sur le contrôle postural ont été comparés. De prime abord, la fatigue mentale affecterait le contrôle postural en condition de privation visuelle, en réduisant l’efficacité des stratégies d’attention associatives. De façon surprenante, visionner un documentaire conduirait également à une altération du contrôle postural, potentiellement en raison du maintien prolongé d’une posture assise affaissée. La posture assise pourrait ainsi constituer un facteur confondant dans les protocoles expérimentaux comportant une évaluation posturale. Une analyse statistique de classification en cluster hiérarchique a permis de mettre en évidence des sensibilités différentes au sein des individus à l’égard de la tâche mentalement fatigante. Le niveau de fatigue mentale serait associé au niveau de dégradation du contrôle postural sur un support stable avec les yeux ouverts. La réalisation d’une tâche cognitive prolongée exigeant une attention visuelle soutenue face à un écran d’ordinateur provoquerait une fatigue visuelle. Cette fatigue visuelle affecterait différemment les individus. Elle toucherait plus particulièrement les sujets les plus dépendants des informations visuelles, pour lesquels le contrôle postural se dégraderait davantage que les autres individus. / The overall objective of this doctoral work was to study the effects of fatigue (physical and mental) on postural control. First, the effects of femoral quadriceps muscle fatigue induced by voluntary contractions and electro-induced contractions were compared. The results showed that voluntary contractions affected postural control more than electro-induced contractions for an equivalent loss of muscle strength. This could be explained by the presence of central fatigue after voluntary contractions, as well as a different strain on muscle fibres between the two modes of contraction. Compensatory mechanisms would be implemented after these two modes of tiresome contractions, but more pronounced for voluntary contractions. With regard to mental fatigue, the effects of demanding and prolonged cognitive computer work (inducing mental fatigue) and documentary viewing (task control) on postural control were compared. At first glance, mental fatigue would affect postural control in conditions of visual deprivation, reducing the effectiveness of associative attention strategies. Surprisingly, viewing a documentary would also lead to an alteration in postural control, potentially due to the prolonged maintenance of a collapsed sitting posture. Sitting posture could thus be a confounding factor in experimental protocols involving postural evaluation. A statistical analysis of hierarchical cluster classification revealed different sensitivities within individuals towards the mentally demanding task. The level of mental fatigue would be associated with the level of degradation of postural control on a stable support with eyes open. Performing a prolonged cognitive task requiring sustained visual attention to a computer screen would cause visual fatigue. This visual fatigue would affect individuals differently. It would particularly affect the subjects most dependent on visual information, for which postural control would be more degraded than other individuals.

L'estimation de l'état mental d'un individu sur la base de son activité cérébrale et de ses activités physiologiques résultantes est devenue l'un des challenges des interfaces cerveau-machine (ICM) dites passives, dans le but notamment de répondre à un besoin en neuroergonomie. Ce travail de thèse se focalise sur l'estimation des états de fatigue et de charge mentale. Son objectif est de proposer des chaines de traitement efficaces et réalistes dans leur mise en œuvre. Ainsi, un des points à l'étude a été la modulation des indicateurs de charge ainsi que la robustesse des performances de classification en fonction du temps passé sur une tâche (TPT). L'impact de la charge et du TPT sur les marqueurs d'état attentionnel a aussi été évalué. Pour ce faire, un protocole expérimental a été mis en œuvre afin de recueillir les signaux électro-encéphalographiques (EEG), cardiaques (ECG) et oculaires (EOG) de participants volontaires sains lors de la réalisation prolongée d'une tâche combinant charge en mémoire de travail et attention sélective. Des chaînes de traitement performantes incluant une étape de filtrage spatial et une classification supervisée ont été mises en place afin de classer au mieux ces états. La pertinence de plusieurs marqueurs électrophysiologiques a été comparée, notamment l'activité EEG spontanée et les potentiels évoqués (PEs), ainsi que différentes étapes de prétraitement dont les méthodes de filtrage spatial pour PEs. Des effets d'interactions ont été mis au jour entre les différents états mentaux, dont un effet négatif du TPT sur les performances en classification de la charge mentale lorsque l'on utilise des marqueurs mesurant la puissance moyenne de l'EEG dans des bandes de fréquence d'intérêt. La chaîne basée sur les PEs est en revanche robuste à cet effet. Une comparaison du type de stimuli utilisables pour éliciter les PEs a révélé que des stimuli tâche-indépendants permettent tout de même d'obtenir des performances très élevées, ce qui montre leur pertinence pour une implémentation en situation réelle. En perspective seront présentés des travaux en cours visant à mettre en évidence des marqueurs de charge mentale robustes à la tâche, ainsi que l'utilité des potentiels évoqués auditifs en paradigme de simple stimulus. / Mental state estimation on the basis of cerebral activity and its resulting physiological activities has become a challenge for passive Brain-Computer Interfaces (BCI), in particular to address a need in neuroergonomics. This thesis work focuses on mental fatigue and workload estimation. Its purpose is to provide efficient and realistic processing chains. Thus, one issue was the modulation of workload markers as well as classification performance robustness depending on time-on-task (TOT). The impact of workload and TOT on attentional state markers was also assessed. For those purposes, an experimental protocol was implemented to collect the electroencephalographic (EEG), cardiac (ECG) and ocular (EOG) signals from healthy volunteers as they performed for a prolonged period of time a task that mixes working memory load and selective attention. Efficient signal processing chains that include spatial filtering and classification steps were designed in order to better estimate these mental states. The relevance of several electrophysiological markers was compared, among which spontaneous EEG activity and event-related potentials (ERPs), as well as various preprocessing steps such as spatial filtering methods for ERPs. Interaction effects between mental states were brought to light. In particular, TOT negatively impacted mental workload estimation when using power features. However, the chain based on ERPs was robust to this effect. A comparison of the type of stimuli that can be used to elicit the ERPs revealed that task-independent probes still allow very high performance, which shows their relevance for real-life implementation. Lastly, ongoing work that aims at assessing task-robust workload markers, as well as the usefulness of auditory ERPs in a single-stimulus paradigm will be presented as prospects.

La fatigue mentale est un état complexe qui résulte d'une activité cognitive prolongée. Les symptômes de la fatigue mentale inclus des changements d'humeur, de motivation et une détérioration temporaire de diverses fonctions cognitives. Plusieurs recherches approfondies ont été menées pour développer des méthodes de reconnaissance des signes physiologiques et psychophysiologiques de la fatigue mentale. Les signes psychophysiologiques concernent principalement signaux d'activité cérébrale et leur relation avec la psychologie et la cognition. Celles-ci ont permise le développement de nombreux modèles basés sur l'IA pour classer différents niveaux de fatigue, en utilisant des données extraites d'un appareil eye-tracking, d'un électroencéphalogramme (EEG) pour mesurer l’activité cérébrale ou d'un électrocardiogramme (ECG) pour mesurer l’activité cérébrale. Dans cette mémoire, nous présentons le protocole expérimental et développé par mes directeurs de recherche et moi-même, qui vise à la fois à générer et mesurer la fatigue mentale, et à proposer des stratégies efficaces de récupération via des séances de réalité virtuelle couplées à des dispositifs EEG et eye tracking. Réussir à générer de la fatigue mentale est nécessaire pour générer un ensemble de données suivant l’évolution de la fatigue et de la récupération au cours de l’expérience, et sera également utilisé pour classer différents niveaux de fatigue à l’aide de l’apprentissage automatique. Cette mémoire fournit d'abord un état de l'art complet des facteurs prédictifs de la fatigue mentale, des méthodes de mesure et des stratégies de récupération. Ensuite, l'article présente un protocole expérimental résultant de l'état de l'art pour (1) générer et mesurer la fatigue mentale et (2) évaluer l'efficacité de la thérapie virtuelle pour la récupération de la fatigue, (3) entrainer un algorithme d'apprentissage automatique sur les données EEG pour classer 3 niveaux de fatigue différents en utilisant un environnement simulé de réalité virtuelle (VR). La thérapie virtuelle est une technique favorisant la relaxation dans un environnement simulé virtuel et interactif qui vise à réduire le stress. Dans notre travail, nous avons réussi à générer de la fatigue mentale en accomplissant des tâches cognitives dans un environnement virtuel. Les participants ont montré une diminution significative du diamètre de la pupille et du score thêta/alpha au cours des différentes tâches cognitives. Le score alpha/thêta est un indice EEG qui suit les fluctuations de la charge cognitiveet de la fatigue mentale. Divers algorithmes d'apprentissage automatique ont été formés et testés sur des segments de données EEG afin de sélectionner le modèle qui s'ajuste le mieux à ces données en ce qui concerne la métrique d'évaluation "précision équilibrée" et "f1". Parmi les 8 différents classificateurs, le SVM RBF a montré les meilleures performances avec une précision équilibrée de 95 % et une valeur de mesure f de 0,82. La précision équilibrée fournit une mesure précise de la performance dans le cas de jeu de données déséquilibrées, en tenant compte de la sensibilité et de la spécificité, et le f-score est une mesure d'évaluation qui combine les scores de précision et de rappel. Finalement, nos résultats montrent que le temps alloué à la thérapie virtuelle n'a pas amélioré le diamètre pupillaire en période post-relaxation. D'autres recherches sur l'impact de la thérapie devraient consacrer un temps plus proche du temps de récupération standard de 60 min. / Mental fatigue is a complex state that results from prolonged cognitive activity. Symptoms of mental fatigue can include change in mood, motivation, and temporary deterioration of various cognitive functions involved in goal-directed behavior. Extensive research has been done to develop methods for recognizing physiological and psychophysiological signs of mental fatigue. Psychophysiological signs are mostly concern with patterns of brain activity and their relation to psychology and cognition. This has allowed the development of many AI-based models to classify different levels of fatigue, using data extracted from eye-tracking devices, electroencephalogram (EEG) measuring brain activity, or electrocardiogram (ECG) measuring cardiac activity. In this thesis, we present the experimental protocol developed by my research directors and I, which aims to both generate/measure mental fatigue and provide effective strategies for recuperation via VR sessions paired with EEG and eye-tracking devices. Successfully generating mental fatigue is crucial to generate a time-series dataset tracking the evolution of fatigue and recuperation during the experiment and will also be used to classify different levels of fatigue using machine learning. This thesis first provides a state-of-the-art of mental fatigue predictive factors, measurement methods, and recuperation strategies. The goal of this protocol is to (1) generate and measure mental fatigue, (2) evaluate the effectiveness of virtual therapy for fatigue recuperation, using a virtual reality (VR) simulated environment and (3) train a machine learning algorithm on EEG data to classify 3 different levels of fatigue. Virtual therapy is relaxation promoting technique in a virtual and interactive simulated environment which aims to reduce stress. In our work, we successfully generated mental fatigue through completion of cognitive tasks in a virtual simulated environment. Participants showed significant decline in pupil diameter and theta/alpha score during the various cognitive tasks. The alpha/theta score is an EEG index tracking fluctuations in cognitive load and mental fatigue. Various machine learning algorithm candidates were trained and tested on EEG data segments in order to select the classifier that best fits EEG data with respect to evaluation metric ‘balanced accuracy’ and 'f1-measures'. Among the 8 different classifier candidates, RBF SVM showed the best performance with 95% balanced accuracy 0.82 f-score value and on the validation set, and 92% accuracy and 0.90 f-score on test set. Balanced accuracy provides an accurate measure of performance in the case of imbalanced data, considering sensitivity and specificity and f-score is an evaluation metric which combines precision and recall scores. Finally, our results show that the time allocated for virtual therapy did not improve pupil diameter in the post-relaxation period. Further research on the impact of relaxation therapy should allocate time closer to the standard recovery time of 60 min.