論文の概要: Feature Augmented Hybrid CNN for Stress Recognition Using Wrist-based Photoplethysmography Sensor

• arxiv url: http://arxiv.org/abs/2108.03166v1
• Date: Mon, 2 Aug 2021 04:27:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-15 11:33:37.900072
• Title: Feature Augmented Hybrid CNN for Stress Recognition Using Wrist-based Photoplethysmography Sensor
• Title（参考訳）: Wrist-based Photoplethysmography Sensor を用いたハイブリッドCNNによるストレス認識
• Authors: Nafiul Rashid, Luke Chen, Manik Dautta, Abel Jimenez, Peter Tseng, Mohammad Abdullah Al Faruque
• Abstract要約: ストレスは精神的健康を損なう生理学的状態であり、身体的健康に深刻な影響を及ぼす。 ウェアラブルデバイスの最近の進歩は、ストレスに関連するいくつかの生理的信号のモニタリングを可能にしている。 本稿では,手作り特徴とCNNによる自動抽出特徴の両方を用いてストレスを検出するハイブリッドCNN(H-CNN)を提案する。
• 参考スコア（独自算出の注目度）: 3.740845890243467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stress is a physiological state that hampers mental health and has serious consequences to physical health. Moreover, the COVID-19 pandemic has increased stress levels among people across the globe. Therefore, continuous monitoring and detection of stress are necessary. The recent advances in wearable devices have allowed the monitoring of several physiological signals related to stress. Among them, wrist-worn wearable devices like smartwatches are most popular due to their convenient usage. And the photoplethysmography (PPG) sensor is the most prevalent sensor in almost all consumer-grade wrist-worn smartwatches. Therefore, this paper focuses on using a wrist-based PPG sensor that collects Blood Volume Pulse (BVP) signals to detect stress which may be applicable for consumer-grade wristwatches. Moreover, state-of-the-art works have used either classical machine learning algorithms to detect stress using hand-crafted features or have used deep learning algorithms like Convolutional Neural Network (CNN) which automatically extracts features. This paper proposes a novel hybrid CNN (H-CNN) classifier that uses both the hand-crafted features and the automatically extracted features by CNN to detect stress using the BVP signal. Evaluation on the benchmark WESAD dataset shows that, for 3-class classification (Baseline vs. Stress vs. Amusement), our proposed H-CNN outperforms traditional classifiers and normal CNN by 5% and 7% accuracy, and 10% and 7% macro F1 score, respectively. Also for 2-class classification (Stress vs. Non-stress), our proposed H-CNN outperforms traditional classifiers and normal CNN by 3% and ~5% accuracy, and ~3% and ~7% macro F1 score, respectively.
• Abstract（参考訳）: ストレスは精神的健康を阻害し、身体的健康に深刻な影響を及ぼす生理的状態である。 さらに、新型コロナウイルス(COVID-19)のパンデミックは世界中の人々のストレスレベルを高めている。 そのため,ストレスの連続的モニタリングと検出が必要である。 最近のウェアラブルデバイスの進歩により、ストレスに関連するいくつかの生理的シグナルのモニタリングが可能になった。 スマートウォッチのようなウェアラブルデバイスは、使い勝手の良さから最も人気がある。 Photoplethysmography(PPG)センサーは、消費者向けのスマートウォッチの中では最も一般的なセンサーだ。 そこで本研究では, 血圧パルス(bvp)信号を収集し, 消費者の腕時計に適用可能なストレスを検出する手首型ppgセンサについて検討する。 さらに、最先端の作品は、従来の機械学習アルゴリズムを使用して、手作りの機能を使ってストレスを検出するか、あるいは自動的に特徴を抽出する畳み込みニューラルネットワーク(cnn)のようなディープラーニングアルゴリズムを使用している。 本稿では,手作り特徴と自動抽出特徴の両方を用いて,BVP信号を用いたストレス検出を行うハイブリッドCNN(H-CNN)分類器を提案する。 WESADデータセットのベンチマークによる評価は,3クラス分類(Baseline vs。 H-CNNは従来の分類器や通常のCNNよりも5%, 7%の精度, 10%, 7%のマクロF1スコアより優れていた。 また,2クラス分類(Stress vs. Non-stress)では,H-CNNが従来の分類器および通常のCNNよりも3%,精度が5%,マクロF1スコアが7%であった。

関連論文リスト

• emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
  emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。 1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。 sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
  論文  参考訳（メタデータ） (2024-10-26T05:18:48Z)
• 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)
• Advancing Spiking Neural Networks for Sequential Modeling with Central Pattern Generators [47.371024581669516]
  スパイキングニューラルネットワーク(SNN)は、人工ニューラルネットワークを開発するための有望なアプローチである。 SNNをテキスト分類や時系列予測といったシーケンシャルなタスクに適用することは、効果的でハードウェアフレンドリーなスパイク形式の位置符号化戦略を作成するという課題によって妨げられている。 CPG-PEと呼ばれる新しいSNNのためのPE手法を提案する。我々は、一般的に使われているsinusoidal PEが、数学的に特定のCPGの膜電位ダイナミクスの特定の解であることを実証する。
  論文  参考訳（メタデータ） (2024-05-23T09:39:12Z)
• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• Mental arithmetic task classification with convolutional neural network based on spectral-temporal features from EEG [0.47248250311484113]
  ディープニューラルネットワーク(DNN)は、コンピュータビジョンアプリケーションにおいて大きな優位性を示している。 ここでは、主に2つの畳み込みニューラルネットワーク層を使用し、比較的少ないパラメータと高速で脳波からスペクトル時間的特徴を学習する浅層ニューラルネットワークを提案する。 実験の結果、浅いCNNモデルは他の全てのモデルより優れており、最高分類精度は90.68%に達した。
  論文  参考訳（メタデータ） (2022-09-26T02:15:22Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• StressNAS: Affect State and Stress Detection Using Neural Architecture Search [5.769434074651159]
  WESADのデータのみを用いたニューラルネットワーク探索を用いた深層ニューラルネットワークの学習手法を提案する。 実験の結果,従来のML手法よりも8.22%,6.02%優れていた。
  論文  参考訳（メタデータ） (2021-08-26T07:23:21Z)
• Stress Classification and Personalization: Getting the most out of the least [18.528929583956725]
  本稿では,新しい畳み込みニューラルネットワーク(CNN)を用いたストレス検出・分類フレームワークを提案する。 我々の手法は競争力があり、現在の最先端技術よりも優れています。
  論文  参考訳（メタデータ） (2021-07-12T18:14:10Z)
• BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
  CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。 結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
  論文  参考訳（メタデータ） (2021-03-14T20:43:19Z)
• Towards Creating a Deployable Grasp Type Probability Estimator for a Prosthetic Hand [11.008123712007402]
  InceptionV3は0.95角類似度で最高精度を達成し、1.4 MobileNetV2は0.93で動作量は20%である。 我々の研究は、機械学習とコンピュータビジョンによるEMGインテント推論を物理的状態の確率で拡張することを可能にする。
  論文  参考訳（メタデータ） (2021-01-13T21:39:41Z)
• 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)

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。