論文の概要: Unit-Independent Low-Rate Wrist GSR Processing for Stress Detection Using Phasic nSCR Features
- arxiv url: http://arxiv.org/abs/2607.08007v1
- Date: Thu, 09 Jul 2026 00:24:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.373162
- Title: Unit-Independent Low-Rate Wrist GSR Processing for Stress Detection Using Phasic nSCR Features
- Title（参考訳）: ファシックnSCR特徴量を用いた応力検出のための単位独立低レートリセットGSR処理
- Abstract要約: ストレス検出にはGSR(Galvanic skin response)が広く用いられているが、手首をベースとしたGSRは依然として困難である。
ストレス関連機能として1分あたりの皮膚コンダクタンス応答数(nSCR/min)を抽出する単位非依存の低レート手首GSR処理パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 8.113817456295697
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Galvanic skin response (GSR) is widely used for stress detection, but wrist-based GSR remains challenging because its absolute amplitude can differ substantially from laboratory-grade palmar measurements. In this paper, we propose a unit-independent low-rate wrist GSR processing pipeline to extract the number of skin conductance responses per minute (nSCR/min) as a stress-related feature. We collect paired wrist and palmar GSR recordings from 31 participants during sitting baseline, standing baseline, neutral speaking, and the Trier Social Stress Test (TSST), a laboratory social stressor task. The proposed pipeline cleans the raw GSR signal, decomposes it into tonic skin conductance level (SCL) and phasic skin conductance response (SCR), applies robust z-score normalization, and detects phasic SCR peaks to compute nSCR/min. Using random forest on 25Hz We-Be GSR, nSCR/min achieved balanced accuracies of 0.823 and 0.871 for binary classification between TSST and the sitting and standing baselines, respectively. Moreover, the 25Hz We-Be GSR features achieved comparable balanced accuracy to the original 100Hz features across the evaluated tasks. These results suggest the feasibility of low-rate, unit-independent wrist GSR processing for wearable stress detection.
- Abstract（参考訳）: ストレス検出にはGSR(Galvanic skin response)が広く用いられているが,手首をベースとしたGSRの絶対振幅は実験室の掌側計測と大きく異なるため,依然として困難である。
本稿では,1分あたりの皮膚伝導応答数(nSCR/min)をストレス関連として抽出する単位非依存型低レート手首GSR処理パイプラインを提案する。
座位ベースライン,立位ベースライン,中性発話,実験室ソーシャルストレステスト(TSST, Trier Social Stress Test)において,健常者31名から手首と掌側GSRのペア記録を収集した。
提案したパイプラインは、生のGSR信号を浄化し、これをトニックスキンコンダクタンスレベル(SCL)とファシックスキンコンダクタンス応答(SCR)に分解し、堅牢なzスコア正規化を適用し、ファシックSCRピークを検出してnSCR/minを計算する。
25Hz We-Be GSRのランダム森林を用いて, TSSTと立位ベースラインの2値分類において, nSCR/minは0.823, 0.871の平衡精度を達成した。
さらに、25HzのWe-Be GSR機能は、評価されたタスク間で、元の100Hzの機能と同等のバランスの取れた精度を達成した。
これらの結果から,ウェアラブルストレス検出のための低レート単位非依存手首GSR処理の可能性が示唆された。
関連論文リスト
- MeanSR: Restoration Trajectory Learning for One-Step Perceptual Super-Resolution [50.60539317126614]
MeanSRはLR条件の平均速度場を学習し、ノイズ入力から可算HR出力への有限時間遷移を直接キャプチャする。
実験の結果、MeanSRはCLIPIQA、MUSIQ、MANIQAでCTMSRより優れており、FLOPと推論遅延を大幅に低減していることがわかった。
論文 参考訳（メタデータ） (2026-08-10T10:33:18Z) - State-Specific Respiratory Signatures for Affective and Stress Recognition: Interpretable Respiratory Markers, Autocorrelation Lags, and Compact CNN Models [0.0]
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。
論文 参考訳（メタデータ） (2026-06-25T08:01:36Z) - Analysis of Autonomic Regulation in Cancer Survivors During Daily Physical Activity: A Real-World Wearable ECG Study [1.2178992475191555]
本研究では, 乳がん生存者の身体活動に対する心拍数(HR)と心拍変動(HRV)の反応について, 実環境において収集した心電図(ECG)データを用いて検討した。
論文 参考訳（メタデータ） (2026-06-22T15:10:17Z) - Beyond Visual Fidelity: Benchmarking Super-Resolution Models for Large-Scale Remote Sensing Imagery via Downstream Task Integration [61.02313993032298]
超分解能(SR)技術は低分解能入力から高分解能画像の再構成に大きな進歩をもたらした。
GeoSR-Benchは、SRモデルから改良された画像解像度と下流の地球モニタリングタスクを直接接続する最初のSRベンチマークである。
270の設定で実験を行い、2つのクロスプラットフォームSRタスク、9つのSRモデル、3つのダウンストリームタスクモデル、各SRタスクの5つのダウンストリームタスクをカバーした。
論文 参考訳（メタデータ） (2026-05-01T00:44:46Z) - Autoencoder-Based Denoising of Muscle Artifacts in ECG to Preserve Skin Nerve Activity (SKNA) for Cognitive Stress Detection [2.9710010895451746]
高周波心電図(ECG)記録から抽出した皮膚神経活動(SKNA)はSNSのダイナミックスに非侵襲的な窓を提供する。
従来の前処理は、EMGとSKNAのスペクトル成分の重なりがちである。
本稿では,長期記憶ボトルネックを有する軽量な1次元畳み込みオートエンコーダ(LSTM)を用いたデノナイズ手法を提案する。
論文 参考訳（メタデータ） (2025-09-08T18:51:36Z) - LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。
CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文 参考訳（メタデータ） (2025-08-23T07:21:23Z) - Repetitive TMS-based Identification of Methamphetamine-Dependent Individuals Using EEG Spectra [7.100576810703763]
メタンフェタミン (METH) の反復的経頭蓋磁気刺激 (rTMS) は, アンケートにより評価されることが多い。
本研究は、より客観的な結果を得るために、ニューラルシグナルを使用することの可能性を検討する。
論文 参考訳（メタデータ） (2025-08-15T08:31:10Z) - Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。
より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。
我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
論文 参考訳（メタデータ） (2024-05-08T11:09:24Z) - Perception Consistency Ultrasound Image Super-resolution via
Self-supervised CycleGAN [63.49373689654419]
自己スーパービジョンとサイクル生成対向ネットワーク(CycleGAN)に基づく新しい知覚整合超音波画像超解像法を提案する。
まず,検査用超音波LR画像のHR父子とLR子を画像強調により生成する。
次に、LR-SR-LRとHR-LR-SRのサイクル損失と判別器の対角特性をフル活用して、より知覚的に一貫性のあるSR結果を生成する。
論文 参考訳（メタデータ） (2020-12-28T08:24:04Z) - 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) - 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) - Optimised Convolutional Neural Networks for Heart Rate Estimation and
Human Activity Recognition in Wrist Worn Sensing Applications [3.8137985834223507]
低サンプリングレートで心拍数と人的活動認識を同時に行う。
これにより、ハードウェア設計が簡単になり、コストと電力予算が削減される。
深層学習パイプラインを2つ適用し,1つは人間の活動認識用であり,1つは心拍数推定用である。
論文 参考訳（メタデータ） (2020-03-30T11:44:58Z)
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。