論文の概要: Review on Classification Techniques used in Biophysiological Stress
Monitoring
- arxiv url: http://arxiv.org/abs/2210.16040v1
- Date: Fri, 28 Oct 2022 10:23:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 15:48:17.541548
- Title: Review on Classification Techniques used in Biophysiological Stress
Monitoring
- Title(参考訳): 生体ストレスモニタリングにおける分類技術の検討
- Authors: Talha Iqbal, Adnan Elahi, Atif Shahzad, William Wijns
- Abstract要約: 反復性急性ストレスと持続性慢性ストレスは、循環器系における炎症において重要な役割を果たすため、心臓発作や脳卒中につながる可能性がある。
本研究では、ストレスモニタリング装置で使用される様々なストレス指標に適用される機械学習分類手法についてレビューした。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cardiovascular activities are directly related to the response of a body in a
stressed condition. Stress, based on its intensity, can be divided into two
types i.e. Acute stress (short-term stress) and Chronic stress (long-term
stress). Repeated acute stress and continuous chronic stress may play a vital
role in inflammation in the circulatory system and thus leads to a heart attack
or to a stroke. In this study, we have reviewed commonly used machine learning
classification techniques applied to different stress-indicating parameters
used in stress monitoring devices. These parameters include Photoplethysmograph
(PPG), Electrocardiographs (ECG), Electromyograph (EMG), Galvanic Skin Response
(GSR), Heart Rate Variation (HRV), skin temperature, respiratory rate,
Electroencephalograph (EEG) and salivary cortisol, used in stress monitoring
devices. This study also provides a discussion on choosing a classifier, which
depends upon a number of factors other than accuracy, like the number of
subjects involved in an experiment, type of signals processing and
computational limitations.
- Abstract(参考訳): 心血管活動は、ストレス状態における身体の反応に直接関係している。
ストレスはその強度に基づいて、急性ストレス(短期的ストレス)と慢性ストレス(長期的ストレス)の2つのタイプに分けられる。
反復性急性ストレスと持続性慢性ストレスは、循環器系における炎症において重要な役割を果たすため、心臓発作や脳卒中につながる可能性がある。
本研究では,ストレス監視装置で使用される異なるストレス指標パラメータに適用可能な機械学習分類手法について検討した。
これらのパラメータには、ストレスモニタリング装置で使用される光胸波(PPG)、心電図(ECG)、心電図(EMG)、ガルバニック皮膚反応(GSR)、心拍変動(HRV)、皮膚温度、呼吸速度、脳波(EEG)、唾液コルチゾールが含まれる。
本研究は,実験対象者数,信号処理の種類,計算限界など,精度以外の要因にも依存する分類器の選択に関する議論も提供する。
関連論文リスト
- Electrocardiogram Instruction Tuning for Report Generation [42.69952949416674]
心電図(ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。
最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。
LLMとマルチモーダル命令によるECGレポート生成に対処するMultimodal ECG Instruction Tuning(MEIT)フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-07T23:20:56Z) - Understanding Stress, Burnout, and Behavioral Patterns in Medical
Residents Using Large-scale Longitudinal Wearable Recordings [44.608785297557674]
本研究は、43人の医療従事者の職場行動パターンを訓練の異なる段階にわたって調査した。
具体的には,その増幅パターン,コンピュータアクセス,住民のメンターとのインタラクションについて検討する。
分析の結果, 歩行行動パターンやコンピュータの利用状況は, プログラムの年齢によって異なるが, 住民の作業行動は異なることが明らかとなった。
論文 参考訳(メタデータ) (2024-02-14T09:06:50Z) - Digital twinning of cardiac electrophysiology models from the surface
ECG: a geodesic backpropagation approach [39.36827689390718]
逆等角問題の解法としてGeodesic-BPを提案する。
その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。
パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
論文 参考訳(メタデータ) (2023-08-16T14:57:12Z) - ForDigitStress: A multi-modal stress dataset employing a digital job
interview scenario [48.781127275906435]
本稿では,デジタル面接を利用してストレスを誘発するマルチモーダルストレスデータセットを提案する。
このデータセットは、オーディオ、ビデオ、生理情報を含む40人の参加者のマルチモーダルデータを提供する。
ベースラインを確立するために、5つの異なる機械学習分類器が訓練され、評価されている。
論文 参考訳(メタデータ) (2023-03-14T09:40:37Z) - 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) - Human Stress Assessment: A Comprehensive Review of Methods Using
Wearable Sensors and Non-wearable Techniques [10.09810782568186]
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。
論文 参考訳(メタデータ) (2022-02-07T09:48:46Z) - 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) - A multimodal sensor dataset for continuous stress detection of nurses in
a hospital [0.8312466807725921]
本稿では, 病院の自然作業環境において, ユニークなストレス検出データセットを提供する。
このデータセットは、新型コロナウイルスの感染拡大に伴う看護師の生体データである。
論文 参考訳(メタデータ) (2021-07-25T22:24:25Z) - 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) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳(メタデータ) (2020-07-16T17:43:13Z) - 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。