論文の概要: Extracting Digital Biomarkers for Unobtrusive Stress State Screening from Multimodal Wearable Data

• arxiv url: http://arxiv.org/abs/2303.04484v1
• Date: Wed, 8 Mar 2023 10:14:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-09 14:33:37.811956
• Title: Extracting Digital Biomarkers for Unobtrusive Stress State Screening from Multimodal Wearable Data
• Title（参考訳）: マルチモーダルウェアラブルデータから非閉塞性ストレス状態スクリーニングのためのデジタルバイオマーカーの抽出
• Authors: Berrenur Saylam, \"Ozlem Durmaz \.Incel
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the development of wearable technologies, a new kind of healthcare data has become valuable as medical information. These data provide meaningful information regarding an individual's physiological and psychological states, such as activity level, mood, stress, and cognitive health. These biomarkers are named digital since they are collected from digital devices integrated with various sensors. In this study, we explore digital biomarkers related to stress modality by examining data collected from mobile phones and smartwatches. We utilize machine learning techniques on the Tesserae dataset, precisely Random Forest, to extract stress biomarkers. Using feature selection techniques, we utilize weather, activity, heart rate (HR), stress, sleep, and location (work-home) measurements from wearables to determine the most important stress-related biomarkers. We believe we contribute to interpreting stress biomarkers with a high range of features from different devices. In addition, we classify the $5$ different stress levels with the most important features, and our results show that we can achieve $85\%$ overall class accuracy by adjusting class imbalance and adding extra features related to personality characteristics. We perform similar and even better results in recognizing stress states with digital biomarkers in a daily-life scenario targeting a higher number of classes compared to the related studies.
• Abstract（参考訳）: ウェアラブル技術の発展に伴い、医療情報として新しいタイプの医療データが有用になった。 これらのデータは、活動レベル、気分、ストレス、認知健康といった個人の生理的および心理的状態に関する有意義な情報を提供する。 これらのバイオマーカーは、様々なセンサーを組み込んだデジタルデバイスから収集されるため、デジタルと呼ばれる。 本研究では,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。 特徴選択技術を用いて,ウェアラブルの天気,活動,心拍数(HR),ストレス,睡眠,場所(ワークホーム)を測定し,ストレス関連バイオマーカーの重要度を決定する。 ストレスバイオマーカーの解釈には,様々なデバイスから多彩な特徴があると考えています。 さらに,最も重要な特徴を持つ5ドルのストレスレベルを分類し,クラス不均衡を調整し,人格特性に関連する付加的特徴を加えることで,クラス全体の精度を85 %以上向上できることを示した。 我々は,デジタルバイオマーカーを用いたストレス状態の認識において,関連研究と比較して,より多くのクラスを対象とする日常生活シナリオにおいて,同様の,さらに優れた結果が得られた。

関連論文リスト

• Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
  本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。 マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。 ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
  論文  参考訳（メタデータ） (2023-04-04T07:24:51Z)
• 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)
• Machine Learning for Stress Monitoring from Wearable Devices: A Systematic Literature Review [1.5293427903448025]
  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。
  論文  参考訳（メタデータ） (2022-09-29T23:40:38Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• Label scarcity in biomedicine: Data-rich latent factor discovery enhances phenotype prediction [102.23901690661916]
  低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。 半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
  論文  参考訳（メタデータ） (2021-10-12T16:25:50Z)
• 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)
• Learning Generalizable Physiological Representations from Large-scale Wearable Data [12.863826659440026]
  意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。 その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。 本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
  論文  参考訳（メタデータ） (2020-11-09T17:56:03Z)
• 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)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。