چکیده: تشخیص دقیق و به‌موقع استرس از طریق سیگنال‌های فیزیولوژیکی اهمیت زیادی دارد، زیرا استرس تأثیرات منفی گسترده‌ای بر سلامت روان و جسم دارد. هدف این پژوهش بررسی اثربخشی سیگنال‌های فیزیولوژیکی، به‌طور مستقل و در ترکیب با دیگر سیگنال‌ها، برای بهبود دقت تشخیص استرس در شرایط فردی است. در این راستا، رویکرد شخصی‌سازی‌شده مبتنی بر تنظیم دقیق برای تشخیص دودویی استرس با داده‌های ۱۵ آزمودنی از مجموعه WESAD و یازده مدالیته فیزیولوژیکی بررسی شد. در این پایان‌نامه از معماری Bi-GRU و روشLOSO برای اعتبارسنجی استفاده شد تا از نشت داده جلوگیری و تعمیم‌پذیری مدل تضمین شود. پروتکل آموزشی شامل ۵۰ دوره آموزش پایه بر روی داده‌های عمومی و ۲۵ دوره تنظیم دقیق مبتنی بر آنتروپی بود که در آن نمونه‌های با بالاترین عدم قطعیت اولویت‌بندی شدند. داده‌ها به نسبت ٪۵۰ برای آزمون، ٪۳۰ برای استخر تنظیم دقیق و ٪۲۰ برای اعتبارسنجی تقسیم شدند. عملکرد مدل با استفاده از معیارهای دقت، امتیاز 1 Fو تحلیل آماری ارزیابی شد تا صحت و پایداری نتایج سنجیده شود. نتایج نشان داد که تنظیم دقیق فردی عملکرد سیستم را به‌طور چشمگیری بهبود می‌دهد و سیگنال‌های ترکیبی بهترین دقت را ارائه می‌دهند؛ به‌طوری که دقت سیگنال ترکیبی قفسه سینه به ٪۹۹.۵۱ و دقت ترکیب قفسه سینه و مچ دست به ٪۹۹.۳۵رسید. سیگنال‌هایی با عملکرد پایه ضعیف مانند Chest_ECG و Wrist_BVP پس از تنظیم دقیق جهش قابل توجهی داشتند، به ترتیب از ٪۴۳.۰۶ به ٪۹۸.۵۲ و از ۵۳.۹۵٪ به ٪۹۷.۹۴ افزایش یافتند. این مطالعه نشان داد که ترکیب Bi-GRU با تنظیم دقیق فردی مبتنی بر آنتروپی، دقت بالای ٪۹۹ و پایداری عملکرد قابل توجهی فراهم می‌کند و سیستم توسعه‌یافته قابلیت کاربرد در محیط‌های عملی را دارد.