論文の概要: Tracing Human Stress from Physiological Signals using UWB Radar
- arxiv url: http://arxiv.org/abs/2410.10155v1
- Date: Mon, 14 Oct 2024 04:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 02:44:27.902283
- Title: Tracing Human Stress from Physiological Signals using UWB Radar
- Title（参考訳）: UWBレーダを用いた生理信号からの人間のストレス追跡
- Authors: Jia Xu, Teng Xiao, Pin Lv, Zhe Chen, Chao Cai, Yang Zhang, Zehui Xiong,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 31.246225867596337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stress tracing is an important research domain that supports many applications, such as health care and stress management; and its closest related works are derived from stress detection. However, these existing works cannot well address two important challenges facing stress detection. First, most of these studies involve asking users to wear physiological sensors to detect their stress states, which has a negative impact on the user experience. Second, these studies have failed to effectively utilize multimodal physiological signals, which results in less satisfactory detection results. This paper formally defines the stress tracing problem, which emphasizes the continuous detection of human stress states. A novel deep stress tracing method, named DST, is presented. Note that DST proposes tracing human stress based on physiological signals collected by a noncontact ultrawideband radar, which is more friendly to users when collecting their physiological signals. In DST, a signal extraction module is carefully designed at first to robustly extract multimodal physiological signals from the raw RF data of the radar, even in the presence of body movement. Afterward, a multimodal fusion module is proposed in DST to ensure that the extracted multimodal physiological signals can be effectively fused and utilized. Extensive experiments are conducted on three real-world datasets, including one self-collected dataset and two publicity datasets. Experimental results show that the proposed DST method significantly outperforms all the baselines in terms of tracing human stress states. On average, DST averagely provides a 6.31% increase in detection accuracy on all datasets, compared with the best baselines.
- Abstract（参考訳）: ストレストレーシングは、医療やストレスマネジメントなど多くの応用をサポートする重要な研究領域であり、その最も近い研究はストレス検出に由来する。
しかし、これらの既存の研究は、ストレス検出に直面する2つの重要な課題にうまく対処できない。
まず、これらの研究のほとんどは、ユーザーのストレス状態を検出するために生理的センサーを装着するよう求め、これはユーザー体験に悪影響を及ぼす。
第二に、これらの研究はマルチモーダルな生理的信号の有効利用に失敗し、良好な検出結果が得られなかった。
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。
注意すべき点は、DSTは非接触超広帯域レーダーによって収集された生理的信号に基づいて人間のストレスを追跡することである。
DSTでは、まず信号抽出モジュールを慎重に設計し、レーダーの生RFデータから、体の動きがあっても、マルチモーダルな生理的信号を確実に抽出する。
その後,DSTに多モード融合モジュールを提案し,抽出した多モード生理学的信号を効果的に融合し,有効利用できるようにする。
1つの自己収集データセットと2つの公開データセットを含む3つの実世界のデータセットで、大規模な実験が実施されている。
実験結果から,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。
平均して、DSTは最高のベースラインと比較して、すべてのデータセットに対する検出精度が6.31%向上する。
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) - Stress Detection Using PPG Signal and Combined Deep CNN-MLP Network [0.20971479389679332]
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。
論文 参考訳（メタデータ） (2024-10-10T13:38:55Z) - Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - 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) - 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) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳（メタデータ） (2023-09-07T13:43:46Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z) - 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) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - 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) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳（メタデータ） (2020-04-26T05:43:21Z)
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。