論文の概要: Analysing the Performance of Stress Detection Models on Consumer-Grade Wearable Devices

• arxiv url: http://arxiv.org/abs/2203.09669v1
• Date: Fri, 18 Mar 2022 00:36:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 04:53:48.460746
• Title: Analysing the Performance of Stress Detection Models on Consumer-Grade Wearable Devices
• Title（参考訳）: 消費者級ウェアラブルデバイスにおけるストレス検出モデルの性能解析
• Authors: Van-Tu Ninh and Sin\'ead Smyth and Minh-Triet Tran and Cathal Gurrin
• Abstract要約: ストレスレベルは、メンタルヘルス分析のための貴重なデータと、アノテーションシステムのためのラベルを提供することができる。 低分解能エレクトロミカルアクティビティ(EDA)信号を用いてストレスパターンを識別する可能性についての研究は乏しい。
• 参考スコア（独自算出の注目度）: 9.580380455705397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying stress levels can provide valuable data for mental health analytics as well as labels for annotation systems. Although much research has been conducted into stress detection models using heart rate variability at a higher cost of data collection, there is a lack of research on the potential of using low-resolution Electrodermal Activity (EDA) signals from consumer-grade wearable devices to identify stress patterns. In this paper, we concentrate on performing statistical analyses on the stress detection capability of two popular approaches of training stress detection models with stress-related biometric signals: user-dependent and user-independent models. Our research manages to show that user-dependent models are statistically more accurate for stress detection. In terms of effectiveness assessment, the balanced accuracy (BA) metric is employed to evaluate the capability of distinguishing stress and non-stress conditions of the models trained on either low-resolution or high-resolution Electrodermal Activity (EDA) signals. The results from the experiment show that training the model with (comparatively low-cost) low-resolution EDA signal does not affect the stress detection accuracy of the model significantly compared to using a high-resolution EDA signal. Our research results demonstrate the potential of attaching the user-dependent stress detection model trained on personal low-resolution EDA signal recorded to collect data in daily life to provide users with personal stress level insight and analysis.
• Abstract（参考訳）: ストレスレベルを特定することは、メンタルヘルス分析やアノテーションシステムのラベルに有用なデータを提供することができる。 データ収集コストの高い心拍変動を用いたストレス検出モデルの研究が数多く行われているが、消費者級ウェアラブルデバイスからの低分解能電極活動(eda)信号を使用してストレスパターンを識別する可能性についての研究が不足している。 本稿では,ストレス関連生体信号を用いたストレス検出モデルの訓練における一般的な2つのアプローチである,ユーザ依存型とユーザ非依存型のストレス検出能力に関する統計的解析を行う。 本研究では,ユーザ依存モデルが統計的にストレス検出に正確であることを示す。 低分解能または高分解能の電磁活動(EDA)信号で訓練されたモデルの応力と非ストレス条件を識別する能力を評価するために、平衡精度(BA)測定値が用いられる。 実験の結果,(比較的低コストの)低分解能EDA信号を用いたモデルのトレーニングは,高分解能EDA信号と比較して,モデルの応力検出精度に大きく影響しないことがわかった。 本研究は,個人的ストレスレベルの洞察と分析をユーザに提供するために,個人的低分解能EDA信号に基づいて訓練されたユーザ依存ストレス検出モデルを付加する可能性を示す。

関連論文リスト

• An Adaptive System for Wearable Devices to Detect Stress Using Physiological Signals [6.025332045004531]
  本稿では PPG と EDA 信号を用いたパーソナライズされたストレス検出のための適応フレームワークを提案する。 一般化されたモデルに依存する従来の手法とは異なり、このフレームワークは各ユーザにより高いストレス検出精度のパーソナライズされたモデルを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-07-21T19:52:44Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• 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)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• An Improved Subject-Independent Stress Detection Model Applied to Consumer-grade Wearable Devices [7.714433991463217]
  ストレス検出モデルを訓練する2つの一般的なアプローチは、主観的および主観的非依存的な訓練方法である。 本稿では,ニューラルネットワークアーキテクチャを用いたストレス関連バイオ信号処理パイプラインを導入し,対象非依存モデルの性能向上を図る。 提案モデルでは,従来の手法よりも1.63%高い平均精度のスコアが得られた。
  論文  参考訳（メタデータ） (2022-03-18T00:19:42Z)
• 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)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• StressNet: Detecting Stress in Thermal Videos [10.453959171422147]
  本稿では, サーマルビデオから生理的信号を取得し, ストレス状態を分類するための新しい手法を提案する。 ストレスネット (StressNet) は、ストレス人の定量的指標と考えられる心交感神経活動の変化の尺度であるISTI (Initial Systolic Time Interval) を再構成する。 詳細な評価では、ISTI信号の95%の精度で推定し、平均精度0.842で応力を検出することが示されている。
  論文  参考訳（メタデータ） (2020-11-18T20:47:23Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。