論文の概要: GSR Analysis for Stress: Development and Validation of an Open Source Tool for Noisy Naturalistic GSR Data

• arxiv url: http://arxiv.org/abs/2005.01834v3
• Date: Wed, 1 Jul 2020 19:06:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 01:48:36.361223
• Title: GSR Analysis for Stress: Development and Validation of an Open Source Tool for Noisy Naturalistic GSR Data
• Title（参考訳）: ストレスに対するgsr分析:ノイズ自然主義gsrデータのためのオープンソースツールの開発と検証
• Authors: Seyed Amir Hossein Aqajari (1), Emad Kasaeyan Naeini (1), Milad Asgari Mehrabadi (1), Sina Labbaf (1), Amir M. Rahmani (1 and 2), Nikil Dutt (1) ((1) Department of Computer Science, University of California, Irvine, (2) School of Nursing, University of California, Irvine)
• Abstract要約: ガルバニック皮膚反応(Galvanic Skin Response、GSR)は、ストレスの指標の1つである。 本稿では,GSR解析のためのオープンソースのツールを提案する。これは,学習アルゴリズムと統計アルゴリズムを併用して,ストレス検出のためのGSR特徴抽出を行う。 その結果,10倍のクロスバリデーションを用いて,92%の精度で応力を検出することができることがわかった。
• 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: The stress detection problem is receiving great attention in related research communities. This is due to its essential part in behavioral studies for many serious health problems and physical illnesses. There are different methods and algorithms for stress detection using different physiological signals. Previous studies have already shown that Galvanic Skin Response (GSR), also known as Electrodermal Activity (EDA), is one of the leading indicators for stress. However, the GSR signal itself is not trivial to analyze. Different features are extracted from GSR signals to detect stress in people like the number of peaks, max peak amplitude, etc. In this paper, we are proposing an open-source tool for GSR analysis, which uses deep learning algorithms alongside statistical algorithms to extract GSR features for stress detection. Then we use different machine learning algorithms and Wearable Stress and Affect Detection (WESAD) dataset to evaluate our results. The results show that we are capable of detecting stress with the accuracy of 92 percent using 10-fold cross-validation and using the features extracted from our tool.
• Abstract（参考訳）: ストレス検出問題は関連研究コミュニティで大きな注目を集めている。 これは、多くの深刻な健康問題や身体疾患に対する行動研究に欠かせない部分である。 様々な生理的信号を用いたストレス検出法とアルゴリズムがある。 以前の研究では、ガルバニック皮膚反応(gsr、electrormal activity、eda)がストレスの主要な指標の1つであることが示されている。 しかし、GSRシグナル自体を解析するのは簡単ではない。 GSR信号から異なる特徴を抽出し、ピーク数やピーク振幅の最大値など、人々のストレスを検出する。 本稿では,統計アルゴリズムとともに深層学習アルゴリズムを用いてストレス検出のためのgsr特徴を抽出する,gsr分析のためのオープンソースツールを提案する。 次に、異なる機械学習アルゴリズムとWearable Stress and Affect Detection (WESAD)データセットを使用して結果を評価する。 その結果,10倍のクロスバリデーションとツールから抽出した特徴を用いて,92%の精度で応力を検出することができた。

関連論文リスト

• Stress Assessment with Convolutional Neural Network Using PPG Signals [0.22499166814992436]
  本研究は,Empatica E4 センサによって記録された生の PPG 信号を用いてストレスのある事象を評価する新しい手法の開発に焦点をあてる。 マルチレイヤパーセプトロン(MLP)と組み合わせた適応畳み込みニューラルネットワーク(CNN)を用いて、ストレスのある事象の検出を実現している。 この研究は、一般公開され、ウェアラブルストレスとエフェクト検出(WESAD)と名付けられたデータセットを使用する。
  論文  参考訳（メタデータ） (2024-10-16T06:24:16Z)
• Tracing Human Stress from Physiological Signals using UWB Radar [31.246225867596337]
  本稿では,人間のストレス状態の連続検出を重視したストレス追跡問題を正式に定義する。 DSTと呼ばれる新しい応力追跡法が提案されている。 実験の結果,提案手法は人間のストレス状態の追跡において,すべてのベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2024-10-14T04:47:16Z)
• Stress Detection Using PPG Signal and Combined Deep CNN-MLP Network [0.20971479389679332]
  この研究は、ストレス事象を検出するためにPSG信号を利用する。 この研究で使用されるPG信号は、UBFC-Physと名付けられた最新の公開データセットから収集される。 その結果, 応力を約82%の精度で検出できることが示唆された。
  論文  参考訳（メタデータ） (2024-10-10T13:38:55Z)
• Targeted Cause Discovery with Data-Driven Learning [66.86881771339145]
  本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。 我々は、シミュレートされたデータの教師あり学習を通じて因果関係を特定するために訓練されたニューラルネットワークを用いる。 大規模遺伝子制御ネットワークにおける因果関係の同定における本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-08-29T02:21:11Z)
• Stressor Type Matters! -- Exploring Factors Influencing Cross-Dataset Generalizability of Physiological Stress Detection [5.304745246313982]
  本研究では,2次応力検出のためのHRV機能に基づいて学習した機械学習モデルの一般化可能性について検討する。 以上の結果から,モデル一般化可能性に重要な因子であるストレスタイプが示唆された。 我々は、新しい環境にHRVベースのストレスモデルを展開する際に、ストレスタイプをマッチングすることを推奨する。
  論文  参考訳（メタデータ） (2024-05-06T14:47:48Z)
• Investigating the Generalizability of Physiological Characteristics of Anxiety [3.4036712573981607]
  不安やストレスと高覚醒感情との関連が示された生理的特徴の一般化可能性を評価する。 この研究は、心電図やEDA信号からストレスと覚醒を横断する最初のクロスコーパス評価であり、ストレス検出の一般化性に関する新たな発見に寄与した。
  論文  参考訳（メタデータ） (2024-01-23T16:49:54Z)
• Sequential Attention Source Identification Based on Feature Representation [88.05527934953311]
  本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。 なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
  論文  参考訳（メタデータ） (2023-06-28T03:00:28Z)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。