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

• Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
  本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。 健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。 ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
  論文  参考訳（メタデータ） (2024-09-05T02:14:31Z)
• 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)
• Machine Learning-based Estimation of Respiratory Fluctuations in a Healthy Adult Population using BOLD fMRI and Head Motion Parameters [39.96015789655091]
  多くのfMRI研究では、呼吸信号が欠如しているか、品質が悪いことがしばしばある。 周辺記録装置を必要とせずに、fMRIデータから直接呼吸変動(RV)波形を抽出するツールを持つことは、非常に有益である。 本研究では,頭部運動パラメータとBOLD信号を用いたRV波形再構成のためのCNNモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-30T21:53:11Z)
• 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)
• Investigating the Generalizability of Physiological Characteristics of Anxiety [3.4036712573981607]
  不安やストレスと高覚醒感情との関連が示された生理的特徴の一般化可能性を評価する。 この研究は、心電図やEDA信号からストレスと覚醒を横断する最初のクロスコーパス評価であり、ストレス検出の一般化性に関する新たな発見に寄与した。
  論文  参考訳（メタデータ） (2024-01-23T16:49:54Z)
• 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)
• 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。