基于功能近红外光谱与深度学习方法的高精度压力评估
信号处理
2020-02-18 v1 机器学习
摘要
压力被认为是威胁人类健康的主要因素之一。大量研究通过分析大脑和心脏相关信号来评估或缓解压力。在本研究中，利用从10名健康志愿者记录的功能性近红外光谱（fNIRS）大脑信号，通过深度学习系统评估由蒙特利尔影像压力任务（Montreal Imaging Stress Task）诱发的压力。所提出的深度学习系统由两部分组成：首先，使用一维卷积神经网络构建信息丰富的特征图；然后，使用一堆深度全连接层来预测压力存在的概率。实验结果表明，训练好的fNIRS模型进行压力分类的准确率为88.52 ± 0.77%。采用所提出的基于fNIRS测量的深度学习系统训练，比现有fNIRS研究中采用相同实验流程的方法取得了更高的压力分类准确率。所提方法具有更好的稳定性且预测变异更小。此外，其低计算成本开启了应用于实时压力评估的可能性。
引用
@article{arxiv.2002.06282,
title = {Accurate Stress Assessment based on functional Near Infrared Spectroscopy using Deep Learning Approach},
author = {Mahya Mirbagheri and Ata Jodeiri and Naser Hakimi and Vahid Zakeri and Seyed Kamaledin Setarehdan},
journal= {arXiv preprint arXiv:2002.06282},
year = {2020}
}
备注
Accepted at ICBME 2019