基于可穿戴生理传感器的多模态感知压力分类框架
系统与控制
2022-06-23 v1 系统与控制
摘要
精神压力是一种普遍存在的状况，已知会影响许多人，并可能成为严重的健康问题。若能对心理健康进行妥善管理，人类生活质量可得到显著改善。为此，我们提出了一种基于多模态数据的鲁棒感知压力分类方法，数据来自四十名受试者，包含三种生理模态（脑电图（EEG）、皮肤电反应（GSR）和光电容积描记（PPG））。数据在睁眼状态下采集，时长为三分钟。采用感知压力量表（PSS）问卷记录受试者的压力，并据此分配压力标签（二分类和三分类）。提取了时域（来自GSR和PPG信号的四个）和频域（来自EEG信号的四个）特征。在基于EEG的特征中，使用频带选择算法选取最优EEG频率子带，选中了theta频带。此外，采用基于包装器的方法进行最优特征选择。使用三种不同的分类器进行人体压力水平分类，它们以从三种模态中选出的特征集融合作为输入。使用多层感知机分类器取得了显著准确率（二分类95%，三分类77.5%）。
引用
@article{arxiv.2206.10846,
title = {A Multimodal Perceived Stress Classification Framework using Wearable Physiological Sensors},
author = {Muhammad Majid and Aamir Arsalan and Syed Muhammad Anwar},
journal= {arXiv preprint arXiv:2206.10846},
year = {2022}
}
备注
Submitted in IEEE TRANSACTIONS ON COGNITIVE AND DEVELOPMENTAL SYSTEMS