論文の概要: Machine Learning for Stress Monitoring from Wearable Devices: A Systematic Literature Review

• arxiv url: http://arxiv.org/abs/2209.15137v1
• Date: Thu, 29 Sep 2022 23:40:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 15:33:03.754419
• Title: Machine Learning for Stress Monitoring from Wearable Devices: A Systematic Literature Review
• Title（参考訳）: ウェアラブルデバイスからのストレスモニタリングのための機械学習:体系的文献レビュー
• Authors: Gideon Vos, Kelly Trinh, Zoltan Sarnyai, Mostafa Rahimi Azghadi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.5293427903448025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Introduction. The stress response has both subjective, psychological and objectively measurable, biological components. Both of them can be expressed differently from person to person, complicating the development of a generic stress measurement model. This is further compounded by the lack of large, labeled datasets that can be utilized to build machine learning models for accurately detecting periods and levels of stress. The aim of this review is to provide an overview of the current state of stress detection and monitoring using wearable devices, and where applicable, machine learning techniques utilized. Methods. This study reviewed published works contributing and/or using datasets designed for detecting stress and their associated machine learning methods, with a systematic review and meta-analysis of those that utilized wearable sensor data as stress biomarkers. The electronic databases of Google Scholar, Crossref, DOAJ and PubMed were searched for relevant articles and a total of 24 articles were identified and included in the final analysis. The reviewed works were synthesized into three categories of publicly available stress datasets, machine learning, and future research directions. Results. A wide variety of study-specific test and measurement protocols were noted in the literature. A number of public datasets were identified that are labeled for stress detection. In addition, we discuss that previous works show shortcomings in areas such as their labeling protocols, lack of statistical power, validity of stress biomarkers, and generalization ability. Conclusion. Generalization of existing machine learning models still require further study, and research in this area will continue to provide improvements as newer and more substantial datasets become available for study.
• Abstract（参考訳）: はじめに。 ストレス応答は主観的、心理的、客観的に測定可能な生物学的成分の両方を有する。 両者は人によって異なる表現が可能であり、一般的なストレス測定モデルの開発が複雑になる。 これは、期間とストレスレベルを正確に検出する機械学習モデルを構築するために使用できる、ラベル付きデータセットが存在しないことでさらに複雑になる。 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・監視の現状と,応用可能な機械学習技術の利用状況について概説することである。 メソッド。 本研究では,ストレスと関連する機械学習手法を検出するために設計されたデータセットを,ウェアラブルセンサデータをストレスバイオマーカーとして活用した論文の体系的レビューとメタ分析を行った。 Google Scholar、Crossref、DOAJ、PubMedの電子データベースを検索し、24の項目を同定し、最終分析に含めた。 レビューされた作品は、公開利用可能なストレスデータセット、機械学習、将来の研究方向の3つのカテゴリに合成された。 結果だ 文献では, 研究固有の試験および測定プロトコルが多種多様であった。 ストレス検出用にラベル付けされたいくつかの公開データセットが特定された。 また,従来の研究は,ラベル付けプロトコル,統計力の欠如,ストレスバイオマーカーの妥当性,一般化能力などの分野での欠点が指摘されている。 結論だ 既存の機械学習モデルの一般化はまださらなる研究が必要であり、この分野の研究は、より新しい、より実質的なデータセットが研究に利用可能になるにつれて、改善を提供し続けるだろう。

関連論文リスト

• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Machine Learning, Deep Learning and Data Preprocessing Techniques for Detection, Prediction, and Monitoring of Stress and Stress-related Mental Disorders: A Scoping Review [0.0]
  メンタルストレスとそれに伴う精神障害(MD)は、公衆衛生上の重要な問題である。 機械学習(ML)の出現により、これらの問題を理解し、対処するための計算技術を活用する可能性がある。 本研究の目的は,精神ストレスとMDの検出,予測,分析に使用されるML方法論のスコープを検討することである。
  論文  参考訳（メタデータ） (2023-08-08T22:47:12Z)
• Extracting Digital Biomarkers for Unobtrusive Stress State Screening from Multimodal Wearable Data [0.0]
  携帯電話やスマートウォッチから収集したデータを調べることで,ストレスモダリティに関連するデジタルバイオマーカーを探索する。 我々は,テッセルエデータセット,正確にはランダムフォレストを用いて,ストレスバイオマーカーの抽出を行う。 クラス不均衡を調整し、性格特性に関連する追加機能を追加することにより、クラス全体の精度を85%で達成できる。
  論文  参考訳（メタデータ） (2023-03-08T10:14:58Z)
• Measures of Information Reflect Memorization Patterns [53.71420125627608]
  異なるニューロンの活性化パターンの多様性は、モデル一般化と記憶の反映であることを示す。 重要なことは、情報組織が記憶の2つの形態を指していることである。
  論文  参考訳（メタデータ） (2022-10-17T20:15:24Z)
• Classification of Stress via Ambulatory ECG and GSR Data [0.0]
  本研究は, 自己申告されたストレスアノテーションを用いた実験室で記録された生理的データを用いて, ストレスを検出するためのいくつかのアプローチを実験的に評価する。 最適応力検出法は90.77%の分類精度、91.24 F1-サブミッション、90.42感度、91.08特異性を達成する。
  論文  参考訳（メタデータ） (2022-07-19T15:57:14Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• 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)
• Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
  ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。 治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。 この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
  論文  参考訳（メタデータ） (2021-05-03T21:20:20Z)
• ReLearn: A Robust Machine Learning Framework in Presence of Missing Data for Multimodal Stress Detection from Physiological Signals [5.042598205771715]
  マルチモーダル生理学的信号から抽出したバイオマーカーからのストレス検出のための堅牢な機械学習フレームワークであるReLearnを提案する。 ReLearnは、トレーニングと推論フェーズの両方において、欠落したデータと外れ値に効果的に対処する。 提案手法は,50%以上のサンプルが欠落している場合でも,86.8%のクロスバリデーション精度が得られることを示す。
  論文  参考訳（メタデータ） (2021-04-29T11:53:01Z)
• 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。