論文の概要: Consumer Wearables and Affective Computing for Wellbeing Support
- arxiv url: http://arxiv.org/abs/2005.00093v3
- Date: Thu, 12 Aug 2021 10:27:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 16:54:57.944124
- Title: Consumer Wearables and Affective Computing for Wellbeing Support
- Title（参考訳）: 消費者のウェアラブルと福祉支援のための影響コンピューティング
- Authors: Stanis{\l}aw Saganowski, Przemys{\l}aw Kazienko, Maciej Dzie\.zyc,
Patrycja Jakim\'ow, Joanna Komoszy\'nska, Weronika Michalska, Anna Dutkowiak,
Adam Polak, Adam Dziadek, Micha{\l} Ujma
- Abstract要約: WellAffシステムを提案する。
また、特に慢性腎臓病(CKD)患者が双極性障害を患っている場合の医療シナリオも含む。
大規模フィールドスタディの必要性から,50以上のオフザシェルフデバイスを,感情,ストレス,想想,睡眠,身体活動の認識と分析に有用性の観点から改訂した。
- 参考スコア（独自算出の注目度）: 2.8964390350661247
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wearables equipped with pervasive sensors enable us to monitor physiological
and behavioral signals in our everyday life. We propose the WellAff system able
to recognize affective states for wellbeing support. It also includes health
care scenarios, in particular patients with chronic kidney disease (CKD)
suffering from bipolar disorders. For the need of a large-scale field study, we
revised over 50 off-the-shelf devices in terms of usefulness for emotion,
stress, meditation, sleep, and physical activity recognition and analysis.
Their usability directly comes from the types of sensors they possess as well
as the quality and availability of raw signals. We found there is no versatile
device suitable for all purposes. Using Empatica E4 and Samsung Galaxy Watch,
we have recorded physiological signals from 11 participants over many weeks.
The gathered data enabled us to train a classifier that accurately recognizes
strong affective states.
- Abstract（参考訳）: 広汎性センサーを搭載したウェアラブルは、日常生活の生理的、行動的シグナルをモニターできる。
幸福支援のための情緒状態を認識可能なウェルフシステムを提案する。
また、特に慢性腎臓病(CKD)が双極性障害を患っている患者に対する医療シナリオも含む。
大規模フィールドスタディの必要性から,50以上のオフザシェルフデバイスを,感情,ストレス,想想,睡眠,身体活動の認識と分析に有用性の観点から改訂した。
それらのユーザビリティは、保有するセンサーのタイプと、生信号の品質と可利用性から直接来る。
あらゆる目的に適した汎用デバイスがないことがわかった。
Empatica E4とSamsung Galaxy Watchを使って、11人の被験者の生理的シグナルを数週間にわたって記録しました。
収集されたデータは、強い感情状態を正確に認識する分類器の訓練を可能にしました。
関連論文リスト
- A Hybrid Approach for Depression Classification: Random Forest-ANN
Ensemble on Motor Activity Signals [4.798808180453298]
ウェアラブルセンサーは、メンタルヘルスの問題を追跡し、理解する潜在的な手段を提供する。
近年の研究では、これらのセンサーと機械学習の手法を併用して、異なる精神状態に関連するパターンを特定している。
本稿では、うつ病患者のセンサデータを評価するために最適化されたHybrid Random forest - Neural Networkと呼ばれる新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T17:39:35Z) - Sensors and Systems for Monitoring Mental Fatigue: A systematic review [0.0]
精神疲労は、自動車事故、医療ミス、職場での生産性の低下、およびeラーニング環境における学生の離職の主な原因である。
精神的な疲労を確実に追跡できるセンサーやシステムの開発は、事故を防止し、エラーを減らし、職場の生産性を高めるのに役立つ。
論文 参考訳（メタデータ） (2023-07-04T11:57:23Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳（メタデータ） (2022-11-08T17:29:40Z) - EmoSens: Emotion Recognition based on Sensor data analysis using
LightGBM [1.6197357532363172]
本研究は、データセット上の決定木、ランダムフォレスト、XGBoost、LightGBMなどの教師あり学習モデルの性能について検討した。
XGBoost と LightGBM を9種類の感情クラスに用い,92.5%の高認識率を得た。
論文 参考訳（メタデータ） (2022-07-12T13:52:32Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - In-Bed Person Monitoring Using Thermal Infrared Sensors [53.561797148529664]
パナソニックグリッド(Panasonic Grid-EYE)は、低解像度の赤外線サーモパイルアレイセンサーで、よりプライバシーを提供する。
この目的のために、2つのデータセットが取得され、1つ (480 画像) は一定条件で、もう1つ (200 画像) は異なるバリエーションで取得された。
我々は、SVM(Support Vector Machines)、k-Nearest Neighbors(k-NN)、Neural Network(NN)の3つの機械学習アルゴリズムをテストする。
論文 参考訳（メタデータ） (2021-07-16T15:59:07Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z) - An Intelligent Non-Invasive Real Time Human Activity Recognition System
for Next-Generation Healthcare [9.793913891417912]
人間の動きは、脆弱な人々のためのリモートヘルスケアソリューションを提供するために使用することができる。
現在、ウェアラブルデバイスは、人の体に機器を配置することで、リアルタイムの監視を提供することができる。
本研究では,非侵襲的手法を用いて準リアルタイムシナリオにおいて人間の動作がどのように検出されるかを示す。
論文 参考訳（メタデータ） (2020-08-06T10:51:56Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳（メタデータ） (2020-07-16T09:39:17Z) - 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) - AutoCogniSys: IoT Assisted Context-Aware Automatic Cognitive Health
Assessment [2.7998963147546148]
AutoCogniSysは、コンテキスト対応の自動認知ヘルスアセスメントシステムである。
我々は,高齢者の生活環境における認知的健康度自動評価システムを開発した。
AutoCogniSysのパフォーマンスは、高齢者の認知健康度を評価する際の精度の最大93%を証明している。
論文 参考訳（メタデータ） (2020-03-17T01:44:59Z)
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。