論文の概要: Stress Detection Using PPG Signal and Combined Deep CNN-MLP Network

• arxiv url: http://arxiv.org/abs/2410.07911v1
• Date: Thu, 10 Oct 2024 13:38:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-31 14:06:15.976715
• Title: Stress Detection Using PPG Signal and Combined Deep CNN-MLP Network
• Title（参考訳）: PPG信号とディープCNN-MLPネットワークを組み合わせたストレス検出
• Authors: Yasin Hasanpoor, Koorosh Motaman, Bahram Tarvirdizadeh, Khalil Alipour, Mohammad Ghamari,
• Abstract要約: この研究は、ストレス事象を検出するためにPSG信号を利用する。 この研究で使用されるPG信号は、UBFC-Physと名付けられた最新の公開データセットから収集される。 その結果, 応力を約82%の精度で検出できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.20971479389679332
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Stress has become a fact in people's lives. It has a significant effect on the function of body systems and many key systems of the body including respiratory, cardiovascular, and even reproductive systems are impacted by stress. It can be very helpful to detect stress episodes in early steps of its appearance to avoid damages it can cause to body systems. Using physiological signals can be useful for stress detection as they reflect very important information about the human body. PPG signal due to its advantages is one of the mostly used signal in this field. In this research work, we take advantage of PPG signals to detect stress events. The PPG signals used in this work are collected from one of the newest publicly available datasets named as UBFC-Phys and a model is developed by using CNN-MLP deep learning algorithm. The results obtained from the proposed model indicate that stress can be detected with an accuracy of approximately 82 percent.
• Abstract（参考訳）: ストレスは人々の生活の中で現実になっている。 身体系の機能に大きな影響を与え、呼吸、心血管、さらには生殖系までもがストレスの影響を受けている。 体系の損傷を避けるために、外見の初期段階でストレス現象を検出するのに非常に役立ちます。 生理的信号を使用することは、人体に関する非常に重要な情報を反映するストレス検出に有用である。 PPG信号は、その利点により、この分野でよく使われる信号の1つである。 本研究では, PPG信号を利用してストレス事象を検出する。 この研究で使用されるPSG信号は、UBFC-Physと名付けられた最新の公開データセットから収集され、CNN-MLPディープラーニングアルゴリズムを用いてモデルを開発する。 その結果, 応力を約82%の精度で検出できることが示唆された。

関連論文リスト

• Stress Assessment with Convolutional Neural Network Using PPG Signals [0.22499166814992436]
  本研究は,Empatica E4 センサによって記録された生の PPG 信号を用いてストレスのある事象を評価する新しい手法の開発に焦点をあてる。 マルチレイヤパーセプトロン(MLP)と組み合わせた適応畳み込みニューラルネットワーク(CNN)を用いて、ストレスのある事象の検出を実現している。 この研究は、一般公開され、ウェアラブルストレスとエフェクト検出(WESAD)と名付けられたデータセットを使用する。
  論文  参考訳（メタデータ） (2024-10-16T06:24:16Z)
• Tracing Human Stress from Physiological Signals using UWB Radar [31.246225867596337]
  本稿では,人間のストレス状態の連続検出を重視したストレス追跡問題を正式に定義する。 DSTと呼ばれる新しい応力追跡法が提案されている。 実験の結果,提案手法は人間のストレス状態の追跡において,すべてのベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2024-10-14T04:47:16Z)
• How Suboptimal is Training rPPG Models with Videos and Targets from Different Body Sites? [40.527994999118725]
  現在のモデルのほとんどは、指先をターゲット/ラベルとして接触PSG測定を用いて、顔ビデオでトレーニングされている。 ニューラルモデルでは,前頭部でトレーニングすると,基底真理PSG信号のモルフォロジーがより良く予測できることが示される。
  論文  参考訳（メタデータ） (2024-03-15T15:20:21Z)
• PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics [48.683457383784145]
  r: (i) 生理領域, (ii) ディープフェイクス領域, (iii) プレゼンテーション攻撃領域に基づく提示攻撃検出のための3つのアプローチ その結果、プレゼンテーションアタックドメインを生理的およびディープフェイクスドメインと比較すると、平均分類誤り率(ACER)が21.70%減少していることがわかった。 実験では、r-ベースモデルにおける伝達学習の効率を強調し、この生理的特徴のコピーを許さない機器での提示攻撃検出をうまく行う。
  論文  参考訳（メタデータ） (2023-10-03T15:24:15Z)
• PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal Imputation [54.839600943189915]
  モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。 豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。 このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
  論文  参考訳（メタデータ） (2022-12-14T21:39:15Z)
• Identifying Rhythmic Patterns for Face Forgery Detection and Categorization [46.21354355137544]
  本研究では, PPG信号に対する空間時間フィルタリングネットワーク (STFNet) と, PPG信号の制約と相互作用のための空間時間インタラクションネットワーク (STINet) からなる顔偽造検出と分類のためのフレームワークを提案する。 フォージェリーメソッドの生成に関する知見を得て,フレームワークの性能を高めるために,イントラソースとイントラソースのブレンディングを提案する。
  論文  参考訳（メタデータ） (2022-07-04T04:57:06Z)
• Motion Artifact Reduction In Photoplethysmography For Reliable Signal Selection [5.264561559435017]
  光胸腺造影法(英: Photoplethysmography, PPG)は、人体の重要な兆候を抽出する非侵襲的、経済的手法である。 信号の品質を損なうような動きに敏感である。 日々の生活活動(ADL)を行いながら現実的なPSG信号を収集し,実践的な信号聴取・分析手法を開発することは重要である。
  論文  参考訳（メタデータ） (2021-09-06T21:53:56Z)
• 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)
• Identification of deep breath while moving forward based on multiple body regions and graph signal analysis [45.62293065676075]
  本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。 検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-20T08:26:50Z)
• 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)
• GSR Analysis for Stress: Development and Validation of an Open Source Tool for Noisy Naturalistic GSR Data [0.0]
  ガルバニック皮膚反応(Galvanic Skin Response、GSR)は、ストレスの指標の1つである。 本稿では,GSR解析のためのオープンソースのツールを提案する。これは,学習アルゴリズムと統計アルゴリズムを併用して,ストレス検出のためのGSR特徴抽出を行う。 その結果,10倍のクロスバリデーションを用いて,92%の精度で応力を検出することができることがわかった。
  論文  参考訳（メタデータ） (2020-05-04T20:40:39Z)

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。