論文の概要: Accurate Stress Assessment based on functional Near Infrared
Spectroscopy using Deep Learning Approach
- arxiv url: http://arxiv.org/abs/2002.06282v1
- Date: Fri, 14 Feb 2020 23:55:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 05:16:33.271736
- Title: Accurate Stress Assessment based on functional Near Infrared
Spectroscopy using Deep Learning Approach
- Title(参考訳): 深層学習を用いた機能近赤外分光法による精密応力評価
- Authors: Mahya Mirbagheri, Ata Jodeiri, Naser Hakimi, Vahid Zakeri, Seyed
Kamaledin Setarehdan
- Abstract要約: 本研究では,10名の健常者から記録された脳の機能的近赤外分光法(fNIRS)を用いて,モントリオール・イメージング・ストレス・タスクによって引き起こされるストレスを評価する。
実験の結果, トレーニングされたfNIRSモデルは, 88.52~0.77%の精度で応力分類を行うことがわかった。
その低い計算コストは、リアルタイムのストレスアセスメントに適用される可能性を開く。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stress is known as one of the major factors threatening human health. A large
number of studies have been performed in order to either assess or relieve
stress by analyzing the brain and heart-related signals. In this study, signals
produced by functional Near-Infrared Spectroscopy (fNIRS) of the brain recorded
from 10 healthy volunteers are employed to assess the stress induced by the
Montreal Imaging Stress Task by means of a deep learning system. The proposed
deep learning system consists of two main parts: First, the one-dimensional
convolutional neural network is employed to build informative feature maps.
Then, a stack of deep fully connected layers is used to predict the stress
existence probability. Experiment results showed that the trained fNIRS model
performs stress classification by achieving 88.52 -+ 0.77% accuracy. Employment
of the proposed deep learning system trained on the fNIRS measurements leads to
higher stress classification accuracy than the existing methods proposed in
fNIRS studies in which the same experimental procedure has been employed. The
proposed method suggests better stability with lower variation in prediction.
Furthermore, its low computational cost opens up the possibility to be applied
in real-time stress assessment.
- Abstract(参考訳): ストレスは人間の健康を脅かす主要な要因の1つとして知られている。
脳や心臓関連信号を分析してストレスを評価するか緩和するために、多くの研究がなされている。
本研究では,健常者10名の脳の機能的近赤外分光法(fnirs)による信号を用いて,モントリオール・イメージングストレス課題によって引き起こされるストレスを深層学習システムを用いて評価する。
提案するディープラーニングシステムは,主に2つの部分から構成される。まず,情報的特徴マップを構築するために,一次元畳み込みニューラルネットワークを用いる。
次に、応力存在確率を予測するために、深い完全連結層のスタックを用いる。
実験の結果, トレーニングされたfNIRSモデルは, 88.52~0.77%の精度で応力分類を行うことがわかった。
fnirs測定に基づいて訓練された深層学習システムの採用は、同じ実験手順を用いたfnirs研究で提案された既存の方法よりも高い応力分類精度をもたらす。
提案手法は予測のばらつきが少ないほど安定性が向上することを示す。
さらに、計算コストの低さは、リアルタイムストレス評価に適用できる可能性を開く。
関連論文リスト
- Machine Learning, Deep Learning and Data Preprocessing Techniques for
Detection, Prediction, and Monitoring of Stress and Stress-related Mental
Disorders: A Scoping Review [0.0]
ストレスやストレス関連MDのコンテキストで使用される最新の機械学習アルゴリズム、前処理技術、データタイプを調査する。
Support Vector Machine(SVM)、Neural Network(NN)、Random Forest(RF)モデルは、常に優れた精度と堅牢性を示している。
論文 参考訳(メタデータ) (2023-08-08T22:47:12Z) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳(メタデータ) (2023-04-26T14:11:04Z) - A Feature Selection Method for Driver Stress Detection Using Heart Rate
Variability and Breathing Rate [0.0]
ドライバーのストレスは、世界中の自動車事故と死の主な原因である。
ストレスは心拍数や呼吸速度に測定可能な影響を与え、そのような測定からストレスレベルを推定することができる。
ガルバニック皮膚反応は、生理的ストレスと心理的ストレス、および極端な感情によって引き起こされる呼吸を測定するための一般的なテストである。
論文 参考訳(メタデータ) (2023-02-03T08:54:55Z) - Neural Importance Sampling for Rapid and Reliable Gravitational-Wave
Inference [59.040209568168436]
まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。
本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。
LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
論文 参考訳(メタデータ) (2022-10-11T18:00:02Z) - PhysioMTL: Personalizing Physiological Patterns using Optimal Transport
Multi-Task Regression [21.254400561280296]
心拍変動 (HRV) は、自律神経活動の実用的で非侵襲的な指標である。
我々は,マルチタスク学習フレームワークにおける最適輸送理論を利用して,生理的マルチタスク学習(PhysioMTL)を開発する。
論文 参考訳(メタデータ) (2022-03-19T19:14:25Z) - Towards Scaling Difference Target Propagation by Learning Backprop
Targets [64.90165892557776]
Different Target Propagationは,Gauss-Newton(GN)最適化と密接な関係を持つ生物学的に証明可能な学習アルゴリズムである。
本稿では、DTPがBPを近似し、階層的なフィードバックウェイトトレーニングを復元できる新しいフィードバックウェイトトレーニング手法を提案する。
CIFAR-10 と ImageNet 上で DTP が達成した最高の性能について報告する。
論文 参考訳(メタデータ) (2022-01-31T18:20:43Z) - Dynamic Neural Diversification: Path to Computationally Sustainable
Neural Networks [68.8204255655161]
訓練可能なパラメータが制限された小さなニューラルネットワークは、多くの単純なタスクに対してリソース効率の高い候補となる。
学習過程において隠れた層内のニューロンの多様性を探索する。
ニューロンの多様性がモデルの予測にどのように影響するかを分析する。
論文 参考訳(メタデータ) (2021-09-20T15:12:16Z) - Personalized Stress Monitoring using Wearable Sensors in Everyday
Settings [9.621481727547215]
心拍数(HR)と心拍変動率(HRV)に基づく日常生活ストレスレベルの客観的予測について検討する。
本稿では、ラベル付けのためのデータサンプルの調整可能なコレクションをサポートする、個人化されたストレス監視のための階層化システムアーキテクチャと、ラベル付けのためのリアルタイムデータのストリームから情報化サンプルを選択する方法を提案する。
論文 参考訳(メタデータ) (2021-07-31T04:15:15Z) - Deep Learning-based Stress Determinator for Mouse Psychiatric Analysis
using Hippocampus Activity [5.564705758320338]
我々は、最先端のディープラーニング技術とニューロン復号理論を組み合わせて、その達成の可能性について議論する。
実験結果から,最先端の深層学習に基づくストレス決定器は,モデル予測精度に優れた性能を発揮することが示唆された。
論文 参考訳(メタデータ) (2020-06-11T22:32:31Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳(メタデータ) (2020-02-06T17:25:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。