論文の概要: Electrodermal Activity as a Unimodal Signal for Aerobic Exercise Detection in Wearable Sensors

• arxiv url: http://arxiv.org/abs/2603.15880v1
• Date: Mon, 16 Mar 2026 20:17:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:06.973027
• Title: Electrodermal Activity as a Unimodal Signal for Aerobic Exercise Detection in Wearable Sensors
• Title（参考訳）: ウェアラブルセンサのエアロビック・エクササイズ検出のための一様信号としての電場活性
• Authors: Rena Mira Krishna, Ramya Sankar, Shadi Ghiasi,
• Abstract要約: EDA(Electronrmal Activity)は、ウェアラブルデバイスで広く用いられる非侵襲的な生理信号である。 本研究では,EDAから排他的に派生した特徴が,持続的好気性運動と休息を確実に区別できるかどうかを検討した。
• 参考スコア（独自算出の注目度）: 0.2621730497733947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrodermal Activity (EDA) is a non-invasive physiological signal widely available in wearable devices and reflects sympathetic nervous system (SNS) activation. Prior multi-modal studies have demonstrated robust performance in distinguishing stress and exercise states when EDA is combined with complementary signals such as heart rate and accelerometry. However, the ability of EDA to independently distinguish sustained aerobic exercise from low-arousal states under subject-independent evaluation remains insufficiently characterized. This study investigates whether features derived exclusively from EDA can reliably differentiate rest from sustained aerobic exercise. Using a publicly available dataset collected from thirty healthy individuals, EDA features were evaluated using benchmark machine learning models with leave-one-subject-out (LOSO) validation. Across models, EDA-only classifiers achieved moderate subject-independent performance, with phasic temporal dynamics and event timing contributing to class separation. Rather than proposing EDA as a replacement for multimodal sensing, this work provides a conservative benchmark of the discriminative power of EDA alone and clarifies its role as a unimodal input for wearable activity-state inference.
• Abstract（参考訳）: EDA(Electronrmal Activity)は、ウェアラブルデバイスで広く見られる非侵襲的な生理的シグナルであり、交感神経系(SNS)の活性化を反映している。 以前のマルチモーダル研究は、EDAが心拍数や加速度計などの相補的な信号と組み合わせられる場合、ストレスや運動状態を区別する上で堅牢な性能を示した。 しかし, 被検者に依存しない評価下において, 持続的好気性運動と低覚醒状態とを独立に区別する能力は, 未だ不十分である。 本研究では,EDAから排他的に派生した特徴が,持続的好気性運動と休息を確実に区別できるかどうかを検討した。 健常者30名から収集した公開データセットを用いて,LOSO(Left-one-subject-out)バリデーションを備えたベンチマーク機械学習モデルを用いて,EDAの特徴を評価した。 モデル全体で、EDAのみの分類器は中等度な主観非依存のパフォーマンスを達成し、ファシック時間力学とイベントタイミングがクラス分離に寄与した。 マルチモーダルセンシングの代替としてEDAを提案するのではなく、この研究はEDAの識別力の保守的なベンチマークを提供し、ウェアラブルな活動状態推論のための一元的な入力としての役割を明確にする。

関連論文リスト

• ActiTect: A Generalizable Machine Learning Pipeline for REM Sleep Behavior Disorder Screening through Standardized Actigraphy [1.2106870940376342]
  分離眼球運動睡眠行動障害(iRBD)は、$$-synucleinopathiesの主因である。 手首のアクティメータは、大規模なスクリーニングにおいてRBDを検出する大きな可能性を秘めている。 本研究では,アクティグラフ記録からRBDを同定するオープンソース機械学習ツールであるActiTectを提案する。
  論文  参考訳（メタデータ） (2025-11-07T13:18:20Z)
• Latent Representations of Intracardiac Electrograms for Atrial Fibrillation Driver Detection [37.72464514643607]
  本研究では,非教師付き特徴抽出のための畳み込みオートエンコーダを用いたディープラーニングフレームワークを提案する。 心房電気活動の潜在的表現は、EMG分析の特徴づけと自動化を可能にする。 提案手法は, リアルタイムに動作可能であり, 臨床解剖学的マッピングシステムに統合することにより, アブレーション中の不整脈領域の同定を支援することができる。
  論文  参考訳（メタデータ） (2025-07-24T09:40:24Z)
• Detection of Autonomic Dysreflexia in Individuals With Spinal Cord Injury Using Multimodal Wearable Sensors [2.208475400165877]
  自律神経障害 (AD) は、脊髄損傷者(SCI)の突然の血圧急上昇を特徴とする生命予後の1つである。 本研究では,マルチモーダルウェアラブルセンサを用いたAD検出のための非侵襲的,説明可能な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-23T21:18:23Z)
• UDA-Bench: Revisiting Common Assumptions in Unsupervised Domain Adaptation Using a Standardized Framework [59.428668614618914]
  現代無監督領域適応法(UDA)の有効性に影響を及ぼす様々な要因について, より深く考察する。 分析を容易にするため,ドメイン適応のためのトレーニングと評価を標準化する新しいPyTorchフレームワークであるUDA-Benchを開発した。
  論文  参考訳（メタデータ） (2024-09-23T17:57:07Z)
• Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
  本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。 PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。 提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-09-27T14:39:41Z)
• Achieving Reliable and Fair Skin Lesion Diagnosis via Unsupervised Domain Adaptation [43.1078084014722]
  教師なしドメイン適応(UDA)は、信頼性の高い分類器を開発するために、大きな外部データセットを統合することができる。 UDAは少数派に対する偏見を効果的に軽減し、診断システムの公平性を高めることができる。
  論文  参考訳（メタデータ） (2023-07-06T17:32:38Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• PhysioMTL: Personalizing Physiological Patterns using Optimal Transport Multi-Task Regression [21.254400561280296]
  心拍変動 (HRV) は、自律神経活動の実用的で非侵襲的な指標である。 我々は,マルチタスク学習フレームワークにおける最適輸送理論を利用して,生理的マルチタスク学習(PhysioMTL)を開発する。
  論文  参考訳（メタデータ） (2022-03-19T19:14:25Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• 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)

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。