論文の概要: An Adaptive System for Wearable Devices to Detect Stress Using Physiological Signals

• arxiv url: http://arxiv.org/abs/2407.15252v1
• Date: Sun, 21 Jul 2024 19:52:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 18:39:18.848132
• Title: An Adaptive System for Wearable Devices to Detect Stress Using Physiological Signals
• Title（参考訳）: 生理的信号を用いたウェアラブルデバイスによるストレス検出システム
• Authors: Gelei Xu, Ruiyang Qin, Zhi Zheng, Yiyu Shi,
• Abstract要約: 本稿では PPG と EDA 信号を用いたパーソナライズされたストレス検出のための適応フレームワークを提案する。 一般化されたモデルに依存する従来の手法とは異なり、このフレームワークは各ユーザにより高いストレス検出精度のパーソナライズされたモデルを提供することを目的としている。
• 参考スコア（独自算出の注目度）: 6.025332045004531
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Timely stress detection is crucial for protecting vulnerable groups from long-term detrimental effects by enabling early intervention. Wearable devices, by collecting real-time physiological signals, offer a solution for accurate stress detection accommodating individual differences. This position paper introduces an adaptive framework for personalized stress detection using PPG and EDA signals. Unlike traditional methods that rely on a generalized model, which may suffer performance drops when applied to new users due to domain shifts, this framework aims to provide each user with a personalized model for higher stress detection accuracy. The framework involves three stages: developing a generalized model offline with an initial dataset, adapting the model to the user's unlabeled data, and fine-tuning it with a small set of labeled data obtained through user interaction. This approach not only offers a foundation for mobile applications that provide personalized stress detection and intervention but also has the potential to address a wider range of mental health issues beyond stress detection using physiological signals.
• Abstract（参考訳）: 時間的ストレス検出は、早期介入を可能にすることにより、脆弱なグループを長期的有害な影響から保護するために重要である。 ウェアラブルデバイスは、リアルタイムな生理的信号を収集することで、個人差を調節する正確なストレス検出のソリューションを提供する。 本稿では PPG と EDA 信号を用いたパーソナライズされたストレス検出のための適応フレームワークを提案する。 ドメインシフトによって新規ユーザに適用された場合,パフォーマンス低下に悩むような一般化されたモデルに依存する従来の手法とは異なり,このフレームワークは,各ユーザに対して,ストレス検出精度を高めるパーソナライズされたモデルを提供することを目的としている。 このフレームワークは、初期データセットでオフラインで一般化されたモデルを開発し、ユーザの未ラベルデータにモデルを適応させ、ユーザインタラクションによって得られたラベル付きデータの小さなセットで微調整する、という3つの段階を含む。 このアプローチは、パーソナライズされたストレス検出と介入を提供するモバイルアプリケーションのための基盤を提供するだけでなく、生理的信号を用いたストレス検出以外の幅広いメンタルヘルス問題にも対処する可能性がある。

関連論文リスト

• Personalization of Stress Mobile Sensing using Self-Supervised Learning [1.7598252755538808]
  ストレスは様々な健康問題への主要な貢献者として広く認められている。 リアルタイムのストレス予測は、デジタル介入がストレスの開始時に即座に反応し、心臓のリズム不規則性のような多くの心理的、生理的症状を避けるのに役立つ。 しかし、機械学習を用いたストレス予測の主な課題は、ラベルの主観性とスパース性、大きな特徴空間、比較的少ないラベル、特徴と結果の間の複雑な非線形および主観的関係である。
  論文  参考訳（メタデータ） (2023-08-04T22:26:33Z)
• Personalized Anomaly Detection in PPG Data using Representation Learning and Biometric Identification [3.8036939971290007]
  光胸腺造影信号は、継続的なフィットネス・ヘルスモニタリングに有意な可能性を秘めている。 Photoplethysmography信号は、一般的にウェアラブルデバイスから取得され、継続的なフィットネスと健康のモニタリングに重要な可能性を秘めている。 本稿では、表現学習とパーソナライズを利用した2段階のフレームワークを導入し、PSGデータの異常検出性能を改善する。
  論文  参考訳（メタデータ） (2023-07-12T18:05:05Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Sequential Attention Source Identification Based on Feature Representation [88.05527934953311]
  本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。 なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
  論文  参考訳（メタデータ） (2023-06-28T03:00:28Z)
• Active Reinforcement Learning for Personalized Stress Monitoring in Everyday Settings [4.4353357514621745]
  本稿では,日常の環境をターゲットとしたウェアラブルセンサを用いた微粒な応力検出問題について考察する。 我々は,生理的信号を定期的に捉え,リアルタイムで処理する多層センサエッジクラウドプラットフォームを開発した。 提案手法は,ユーザからのクエリを88%,32%削減して,望ましい検出性能を実現する。
  論文  参考訳（メタデータ） (2023-04-28T22:09:19Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Analysing the Performance of Stress Detection Models on Consumer-Grade Wearable Devices [9.580380455705397]
  ストレスレベルは、メンタルヘルス分析のための貴重なデータと、アノテーションシステムのためのラベルを提供することができる。 低分解能エレクトロミカルアクティビティ(EDA)信号を用いてストレスパターンを識別する可能性についての研究は乏しい。
  論文  参考訳（メタデータ） (2022-03-18T00:36:27Z)
• An Improved Subject-Independent Stress Detection Model Applied to Consumer-grade Wearable Devices [7.714433991463217]
  ストレス検出モデルを訓練する2つの一般的なアプローチは、主観的および主観的非依存的な訓練方法である。 本稿では,ニューラルネットワークアーキテクチャを用いたストレス関連バイオ信号処理パイプラインを導入し,対象非依存モデルの性能向上を図る。 提案モデルでは,従来の手法よりも1.63%高い平均精度のスコアが得られた。
  論文  参考訳（メタデータ） (2022-03-18T00:19:42Z)
• Sensitivity analysis in differentially private machine learning using hybrid automatic differentiation [54.88777449903538]
  感性分析のための新しいテクスチブリド自動識別システム(AD)を導入する。 これにより、ニューラルネットワークをプライベートデータ上でトレーニングするなど、任意の微分可能な関数合成の感度をモデル化できる。 当社のアプローチは,データ処理の設定において,プライバシ損失に関する原則的推論を可能にする。
  論文  参考訳（メタデータ） (2021-07-09T07:19:23Z)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。