論文の概要: An optimized hybrid solution for IoT based lifestyle disease classification using stress data

• arxiv url: http://arxiv.org/abs/2204.03573v1
• Date: Mon, 4 Apr 2022 05:52:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-09 10:27:33.929574
• Title: An optimized hybrid solution for IoT based lifestyle disease classification using stress data
• Title（参考訳）: ストレスデータを用いたiot型生活習慣病分類のための最適化ハイブリッドソリューション
• Authors: Sadhana Tiwari, Sonali Agarwal
• Abstract要約: 提案手法は、被験者の心電図(ECG)、ガルバニック皮膚値(GSV)、HRV値、体の動きを測定するテストを用いている。 開発したアプローチは、WASADデータセットを使用して、クラス不均衡問題に対処することができる。
• 参考スコア（独自算出の注目度）: 2.3909933791900326
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Stress, anxiety, and nervousness are all high-risk health states in everyday life. Previously, stress levels were determined by speaking with people and gaining insight into what they had experienced recently or in the past. Typically, stress is caused by an incidence that occurred a long time ago, but sometimes it is triggered by unknown factors. This is a challenging and complex task, but recent research advances have provided numerous opportunities to automate it. The fundamental features of most of these techniques are electro dermal activity (EDA) and heart rate values (HRV). We utilized an accelerometer to measure body motions to solve this challenge. The proposed novel method employs a test that measures a subject's electrocardiogram (ECG), galvanic skin values (GSV), HRV values, and body movements in order to provide a low-cost and time-saving solution for detecting stress lifestyle disease in modern times using cyber physical systems. This study provides a new hybrid model for lifestyle disease classification that decreases execution time while picking the best collection of characteristics and increases classification accuracy. The developed approach is capable of dealing with the class imbalance problem by using WESAD (wearable stress and affect dataset) dataset. The new model uses the Grid search (GS) method to select an optimized set of hyper parameters, and it uses a combination of the Correlation coefficient based Recursive feature elimination (CoC-RFE) method for optimal feature selection and gradient boosting as an estimator to classify the dataset, which achieves high accuracy and helps to provide smart, accurate, and high-quality healthcare systems. To demonstrate the validity and utility of the proposed methodology, its performance is compared to those of other well-established machine learning models.
• Abstract（参考訳）: ストレス、不安、緊張は、日常生活におけるリスクの高い健康状態である。 以前は、ストレスレベルは人々と話し、最近または過去に経験したことを洞察することで決定されていた。 通常、ストレスは昔に起こった出来事によって引き起こされるが、時には未知の要因によって引き起こされる。 これは困難で複雑な作業だが、最近の研究は自動化する多くの機会を提供している。 これらの技術の基本的な特徴は、電気皮膚活動(EDA)と心拍値(HRV)である。 この課題を解決するため,加速度計を用いて体の動きを測定した。 心電図(ecg)、ガルバニックスキン値(gsv)、hrv値、および身体運動を測定するテストを用いて、サイバー物理システムを用いた現代におけるストレスライフスタイル病の検出のための低コストかつ時間の節約ソリューションを提供する。 本研究は, 生活習慣病分類のための新しいハイブリッドモデルを提供し, 最適な特徴の収集をしながら実行時間を短縮し, 分類精度を向上させる。 wesad(wearable stress and affect dataset)データセットを使用することで,クラス不均衡問題に対処することができる。 新しいモデルは、最適化されたハイパーパラメータのセットを選択するためにグリッドサーチ(GS)法を使用し、相関係数に基づく再帰的特徴除去(CoC-RFE)法を組み合わせて、データセットを分類する推定器として、最適な特徴の選択と勾配の増強を行い、高精度で正確で高品質な医療システムを提供する。 提案手法の有効性と有用性を示すため,その性能は他の確立された機械学習モデルと比較した。

関連論文リスト

• Seamless Monitoring of Stress Levels Leveraging a Universal Model for Time Sequences [4.308104021015939]
  本稿では,時系列の普遍モデルUniTSに基づくスマートウォッチからのストレス検出手法を提案する。 提案モデルが3つのベンチマークデータセット上での上位12の手法をかなり上回っていることを示す。
  論文  参考訳（メタデータ） (2024-07-04T10:46:09Z)
• 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)
• 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)
• SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
  皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。 皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。 本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T06:54:29Z)
• PhysioMTL: Personalizing Physiological Patterns using Optimal Transport Multi-Task Regression [21.254400561280296]
  心拍変動 (HRV) は、自律神経活動の実用的で非侵襲的な指標である。 我々は,マルチタスク学習フレームワークにおける最適輸送理論を利用して,生理的マルチタスク学習(PhysioMTL)を開発する。
  論文  参考訳（メタデータ） (2022-03-19T19:14:25Z)
• Survival Prediction of Children Undergoing Hematopoietic Stem Cell Transplantation Using Different Machine Learning Classifiers by Performing Chi-squared Test and Hyper-parameter Optimization: A Retrospective Analysis [4.067706269490143]
  効率的な生存率分類モデルが包括的に提示される。 欠落した値を入力し、ダミー変数符号化を用いてデータを変換し、チ二乗特徴選択を用いて59個の特徴から11個の最も相関した特徴にデータセットを圧縮することにより、合成データセットを生成する。 この点に関しては、決定木(Decision Tree)、ランダムフォレスト(Random Forest)、ロジスティック回帰(Logistic Regression)、K-Nearest Neighbors(K-Nearest Neighbors)、グラディエントブースティング(Gradient Boosting)、Ada Boost(Ada Boost)、XG Boost(XG Boost)など、いくつかの教師付きML手法が訓練された。
  論文  参考訳（メタデータ） (2022-01-22T08:01:22Z)
• 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)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• 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)

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。