論文の概要: Human Stress Assessment: A Comprehensive Review of Methods Using
Wearable Sensors and Non-wearable Techniques
- arxiv url: http://arxiv.org/abs/2202.03033v2
- Date: Wed, 7 Jun 2023 07:02:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 20:43:34.690494
- Title: Human Stress Assessment: A Comprehensive Review of Methods Using
Wearable Sensors and Non-wearable Techniques
- Title（参考訳）: 人間ストレスアセスメント:ウェアラブルセンサと非着用技術を用いた方法の包括的レビュー
- Authors: Aamir Arsalan, Muhammad Majid, Imran Fareed Nizami, Waleed Manzoor,
Syed Muhammad Anwar, and Jihyoung Ryu
- Abstract要約: ヒトのストレス反応を測定する方法は、ウェアラブルと非ウェアラブルセンサーのデータを用いて観察された主観的アンケートと客観的マーカーを含むことができる。
各種情報源からの関連データを利用して, ストレス検出手法が人工知能の恩恵を受ける方法について検討する。
- 参考スコア（独自算出の注目度）: 10.09810782568186
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a comprehensive review of methods covering significant
subjective and objective human stress detection techniques available in the
literature. The methods for measuring human stress responses could include
subjective questionnaires (developed by psychologists) and objective markers
observed using data from wearable and non-wearable sensors. In particular,
wearable sensor-based methods commonly use data from electroencephalography,
electrocardiogram, galvanic skin response, electromyography, electrodermal
activity, heart rate, heart rate variability, and photoplethysmography both
individually and in multimodal fusion strategies. Whereas, methods based on
non-wearable sensors include strategies such as analyzing pupil dilation and
speech, smartphone data, eye movement, body posture, and thermal imaging.
Whenever a stressful situation is encountered by an individual, physiological,
physical, or behavioral change is induced which help in coping with the
challenge at hand. A wide range of studies has attempted to establish a
relationship between these stressful situations and the response of human
beings by using different kinds of psychological, physiological, physical, and
behavioral measures. Inspired by the lack of availability of a definitive
verdict about the relationship of human stress with these different kinds of
markers, a detailed survey about human stress detection methods is conducted in
this paper. In particular, we explore how stress detection methods can benefit
from artificial intelligence utilizing relevant data from various sources. This
review will prove to be a reference document that would provide guidelines for
future research enabling effective detection of human stress conditions.
- Abstract（参考訳）: 本稿では,本論文で利用可能な主観的および客観的なストレス検出手法について概観する。
ヒトのストレス反応を測定する方法は、(心理学者が開発した)主観的なアンケートと、ウェアラブルと非ウェアラブルセンサーのデータを用いて観察された客観的マーカーを含むことができる。
特に、ウェアラブルセンサーベースの方法は、脳波、心電図、ガルバニック皮膚反応、筋電図、筋電図、心拍数、心拍変動、および光胸筋電図のデータを個別および多変量核融合戦略で一般的に使用する。
一方、着用不能なセンサーに基づく方法には、瞳孔拡張や音声分析、スマートフォンのデータ、眼球運動、身体姿勢、熱画像などが含まれる。
個人がストレスに満ちた状況に遭遇すると、身体的、身体的、行動的変化が引き起こされ、手元の課題に対処するのに役立つ。
様々な種類の心理的、生理的、身体的、行動的尺度を用いて、ストレスの多い状況と人間の反応との関係を確立するために、幅広い研究が行われてきた。
ヒトのストレスとこれらの種類のマーカーとの関係について決定的な評決が得られないことに着想を得て,ヒトのストレス検出方法に関する詳細な調査を行った。
特に, ストレス検出手法が, 各種情報源の関連データを活用した人工知能のメリットを考察する。
このレビューは、人間のストレス状態の効果的な検出を可能にする将来の研究のガイドラインを提供する参考資料であることが証明される。
関連論文リスト
- Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - A Real-time Human Pose Estimation Approach for Optimal Sensor Placement
in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。
得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。
本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文 参考訳（メタデータ） (2023-07-06T10:38:14Z) - Employing Multimodal Machine Learning for Stress Detection [8.430502131775722]
メンタルウェルネスは、今日の世界で最も無視されているが決定的な側面の1つである。
本研究では、人の作業行動とストレスレベルを監視するために、マルチモーダルなAIベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-15T14:34:16Z) - 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) - Sleep Activity Recognition and Characterization from Multi-Source
Passively Sensed Data [67.60224656603823]
睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。
本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。
これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
論文 参考訳（メタデータ） (2023-01-17T15:18:45Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Machine Learning for Stress Monitoring from Wearable Devices: A
Systematic Literature Review [1.5293427903448025]
本研究の目的は,ウェアラブルデバイスを用いたストレス検出とモニタリングの現状について概観することである。
レビューされた作品は、公開されているストレスデータセット、機械学習、将来の研究方向性の3つのカテゴリにまとめられた。
論文 参考訳（メタデータ） (2022-09-29T23:40:38Z) - 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) - MUSER: MUltimodal Stress Detection using Emotion Recognition as an
Auxiliary Task [22.80682208862559]
ストレスと感情は人間の感情状態であり、ストレスは感情の制御と発現に重要な影響を与えることが証明されている。
本研究では,ストレス検出を改善するための補助タスクとして,感情認識の有用性を検討する。
本稿では,高速な動的サンプリング戦略を備えたトランスフォーマーモデルアーキテクチャとマルチタスク学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-17T20:24:46Z) - 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) - 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。