使用激光多普勒血流仪和荧光光谱传感器进行心理健康评估的可穿戴设备数据集
机器学习
2025-02-04 v1 信号处理
摘要
在本研究中，我们通过为配备激光多普勒血流仪 (LDF) 和荧光光谱 (FS) 传感器的非侵入式可穿戴设备构建机器学习模型，引入了一种预测心理健康的新方法。此外，我们提供了相应的数据集，用于通过 DAS-21 问卷预测心理健康状况，例如抑郁、焦虑和压力水平。据我们所知，这是迄今为止为 LDF 和 FS 研究收集的世界上最大且最通用的数据集。该设备捕获皮肤血液微循环参数，并且对 LDF 信号的小波分析可提取关键的节律性振荡。该数据集收集自 19 个国家的 132 名年龄在 18 至 94 岁之间的志愿者，探索了生理特征、人口统计学、生活习惯和健康状况之间的关系。我们采用了多种机器学习方法进行压力检测分类，其中 LightGBM 被确定为最有效的压力检测模型，其 ROC AUC 达到 0.7168，PR AUC 达到 0.8852。此外，我们还将可解释人工智能 (XAI) 技术融入分析，以更深入地探究模型预测的见解。我们的结果表明，女性、年轻个体以及体重指数 (BMI) 或心率较高的个体，经历压力和焦虑等心理健康状况的可能性更大。所有相关代码和数据均已在线发布：https://github.com/leduckhai/Wearable_LDF-FS。
引用
@article{arxiv.2502.00973,
title = {A Wearable Device Dataset for Mental Health Assessment Using Laser Doppler Flowmetry and Fluorescence Spectroscopy Sensors},
author = {Minh Ngoc Nguyen and Khai Le-Duc and Tan-Hanh Pham and Trang Nguyen and Quang Minh Luu and Ba Kien Tran and Truong-Son Hy and Viktor Dremin and Sergei Sokolovsky and Edik Rafailov},
journal= {arXiv preprint arXiv:2502.00973},
year = {2025}
}
备注
Preprint, 55 pages