Fitness Guide With Mental Health Support Using Fitmind
Notice bibliographique
Résumé
This project delivers physical fitness and mentalwellness in today’s fast-paced lifestyle which hasbecome a crucial part of our life. While there arenumerous mobile and web applications addressingeither fitness or mental health, very few offer aholistic, intelligent, and integrated solution. The FitMind system is a comprehensive web-basedapplication designed to promote overall well-beingthrough the power of artificial intelligence andmachine learning. The platform provides three majorfeatures: a personalized Fitness Planner, a MentalHealth Tracker, and a Meditation & Wellness Advisor,all powered by robust ML models. The Fitness PlannerModule predicts a user’s fitness category based onpersonal parameters like age, BMI, activity level, andlifestyle habits, and recommends a suitable workoutplan and diet. The Mental Health Tracker Moduleleverages psychological screening scales like PHQ-9(Patient Health Questionnaire-9), GAD-7(Generalized Anxiety Disorder-7), and DASS-21(Depression, Anxiety, and Stress Scale) to assessmental health conditions, and provides tailored advicefor improving mental wellness. The Meditation &Wellness Module evaluates lifestyle parameters suchas sleep quality, screen time, stress levels, andmindfulness score, then suggests guided meditations,breathing techniques, and daily wellness tips.In addition, the system incorporates an AI-basedChatbot Module that uses natural languageprocessing (NLP) and a Naive Bayes classifier tounderstand user queries and offer instant responsesrelated to fitness, mental health, and meditation.Developed using Python, Flask, and MySQL, Fit Minddelivers an interactive and user-friendly experiencewith real-time recommendations and progresstracking.Overall, FitMind serves as a smart virtual wellnessassistant aimed at making mental and physical wellbeingaccessible, personalized, and engaging for allusers, especially students and working professionals.Its modular design also makes it scalable for futureintegration with wearable health devices and mobileplatforms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,095 | 0,032 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».