論文の概要: State-Specific Respiratory Signatures for Affective and Stress Recognition: Interpretable Respiratory Markers, Autocorrelation Lags, and Compact CNN Models
- arxiv url: http://arxiv.org/abs/2606.26723v1
- Date: Thu, 25 Jun 2026 08:01:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.2
- Title: State-Specific Respiratory Signatures for Affective and Stress Recognition: Interpretable Respiratory Markers, Autocorrelation Lags, and Compact CNN Models
- Title(参考訳): 感情・ストレス認識のための状態特異的呼吸シグナチャ:解釈可能な呼吸マーカー、自己相関ラグ、コンパクトCNNモデル
- Abstract要約: 呼吸活動は、ウェアラブルストレスと情動状態認識のための直接的かつ解釈可能な生理学的チャネルである。
この研究は、RESPに基づく認識を共同予測および説明問題として再設計する。
本研究は,60 s窓の残量検証を行い,コンパクトな生信号1D-CNNと手技による呼吸シグネチャの2つの相補的な枝を組み合わせた。
- 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: Respiratory activity is a direct and interpretable physiological channel for wearable stress and affective-state recognition, yet many studies emphasize classification accuracy without identifying which respiratory properties separate different states. This work reframes RESP-based recognition as a joint predictive and explanatory problem. Using the chest respiratory channel of the WESAD dataset, we analyze 60 s windows under leave-one-subject-out validation and combine two complementary branches: compact raw-signal one-dimensional convolutional neural networks (1D-CNNs) and physically grouped handcrafted respiratory signatures. The primary application task is binary stress versus non-stress detection, while baseline, stress, amusement, and meditation are additionally analyzed in a one-vs-rest setting to reveal state-specific respiratory markers. The feature space is organized into respiratory timing, breath-to-breath variability, waveform statistics, spectral/time-frequency descriptors, and autocorrelation/nonlinear predictability descriptors, with the raw 60 s signal treated as a sixth representation for the CNN branch. We introduce autocorrelation transition lags (Zpm/Zmp) as interpretable markers of respiratory correlation scale and separately evaluate exploratory FEG-Pro/Lyapunov-like descriptors. In the final CNN refit setting, the raw-signal model achieved the strongest stress-vs-rest performance, with accuracy 96.72 percent, macro-F1 95.30 percent, and MCC 90.61 percent. In contrast, compact feature models were stronger for baseline, with MCC 65.34 percent, amusement, with MCC 35.69 percent, and especially meditation, with MCC 88.65 percent. These results show that CNNs are most useful for the practical stress detector, whereas interpretable respiratory signatures provide stronger and more physiologically transparent state-specific markers for several non-stress conditions.
- Abstract(参考訳): 呼吸活動は、ウェアラブルストレスと情動状態認識のための直接的かつ解釈可能な生理的チャネルであるが、多くの研究は、どの呼吸特性が別々の状態であるかを特定することなく、分類精度を強調している。
この研究は、RESPに基づく認識を共同予測および説明問題として再設計する。
WESADデータセットの胸部呼吸路を用いて,60秒の窓を残像の検証下に解析し,コンパクトな生信号1次元畳み込みニューラルネットワーク (1D-CNN) と物理的にグループ化された手作り呼吸シグネチャの2つの補完枝を組み合わせた。
主な応用課題は、二分ストレス対非ストレス検出であり、ベースライン、ストレス、遊園地、想起は、状態特異的な呼吸マーカーを明らかにするために1vs-rest設定で分析される。
特徴空間は、呼吸タイミング、呼吸と呼吸の変動、波形統計、スペクトル/時間周波数ディスクリプタ、および自己相関/非線形予測ディクリプタに分けられ、生の60s信号はCNNブランチの6番目の表現として扱われる。
呼吸相関尺度の解釈マーカーとして自己相関遷移ラグ (Zpm/Zmp) を導入し, 探索的FEG-Pro/リャプノフ様記述子を別々に評価した。
最終的なCNNのリフィット設定では、原信号モデルは96.72パーセント、マクロF1 95.30%、MCC 90.61パーセントという最強のストレス-VS-レスト性能を達成した。
対照的に、コンパクトな特徴モデルはベースラインではより強く、MCC 65.34%、娯楽ではMCC 35.69パーセント、特に想想ではMCC 88.65%であった。
これらの結果から、CNNは実用的なストレス検知器として最も有用であるのに対し、解釈可能な呼吸シグネチャは、いくつかの非ストレス条件に対してより強く、より生理学的に透明な状態特異的マーカーを提供することが示された。
関連論文リスト
- Spectral Features Dominate BCG Respiratory-Event Detection: A Large-Scale Patient-Independent Comparison of Feature Groups in Sleep Apnea Patients [33.60217549899358]
バリスト心電図(BCG)は長期睡眠時無呼吸モニタリングにおいて有望なモダリティである。
呼吸異常の検出においてどの信号の特徴が最も識別されているかは、まだ不明である。
BCG特徴群10群を文献的,患者非依存的に比較検討した。
論文 参考訳(メタデータ) (2026-08-28T11:56:12Z) - AeroSpectra Sentinel: An Auditable LLM Prompt-Chaining Decision-Support Workflow for Acute Asthma Risk Assessment from Respiratory Sounds and Clinical Signals [0.0]
本稿では,クライアント側の研究プロトタイプと意思決定支援ワークフローであるAeroSpectra Sentinelについて述べる。
短時間のフーリエ変換 (STFT) 呼吸音解析、軽量機械学習スクリーニング、臨床特徴融合、および5段階の大規模言語モデル (LLM) のプロンプトチェインプロセスを組み合わせる。
研究のプロトタイプとして意図されており、診断医療機器や臨床的に検証されたリスク評価製品としてではない。
論文 参考訳(メタデータ) (2026-06-06T16:11:45Z) - Controllable Lung Nodule Synthesis via Histogram-Regularized Latent Diffusion Models [42.11515368961642]
拡散に基づく生成モデルは、データ合成に有望な戦略を提供する。
肺結節を全3次元CTボリュームで合成する制御可能な潜在拡散モデルを提案する。
このフレームワークは,定量的な測定値と視覚的チューリングテストの両方を通して,強力なビジュアルリアリズムを実現する。
論文 参考訳(メタデータ) (2026-05-28T22:32:06Z) - Time-Localized Parametric Decomposition of Respiratory Airflow for Sub-Breath Analysis [0.0]
本研究では,呼吸気流を時間的局所成分に分解するパラメトリックフレームワークを提案する。
8,276発の呼吸の評価は、高い再現精度を示す。
論文 参考訳(メタデータ) (2026-04-24T16:28:45Z) - Atrial Fibrillation Detection Using Machine Learning [3.5522386235856582]
心房細動(AF)は、一般的な不整脈であり、虚血性脳卒中の主要な危険因子である。
本稿では,ECG信号とECG信号の同時検出のための10倍の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) (2026-02-20T07:30:08Z) - Combining Facial Videos and Biosignals for Stress Estimation During Driving [4.551432404727517]
ストレスは、周産期呼吸や心拍数などの生理的信号を用いて一般的に検出される。
顔の映像と生理的信号を組み合わせたマルチモーダルストレス推定フレームワークを提案する。
ドライビングデータでは評価されるが,提案するフレームワークとプロトコルは,他のストレス推定設定に一般化することができる。
論文 参考訳(メタデータ) (2026-01-07T20:32:34Z) - Self-similarity Prior Distillation for Unsupervised Remote Physiological Measurement [39.0083078989343]
教師なしr推定のための自己相似事前蒸留(SSPD)フレームワークを提案する。
SSPDは心活動の本質的な自己相似性に重点を置いている。
最先端の教師付き手法と比較すると、同等か、さらに優れたパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-11-09T02:24:51Z) - Deep-seeded Clustering for Emotion Recognition from Wearable Physiological Sensors [1.380698851850167]
本稿では,生理的信号から特徴を最小限に抽出し,分類するディープシードクラスタリングアルゴリズムを提案する。
本モデルは,感情コンピューティング研究で頻繁に使用される3つのデータセットに対して,良好な性能が得られることを示す。
論文 参考訳(メタデータ) (2023-08-17T14:37:35Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - 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)
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。