一种应用于消费级可穿戴设备的改进型受试者无关压力检测模型
机器学习
2022-03-21 v1
摘要
压力是一个复杂的问题，对人类日常表现具有广泛的生理和心理影响。具体而言，急性压力检测正成为情境化人类理解中的一项有价值应用。训练压力检测模型的两种常见方法是受试者相关（subject-dependent）和受试者无关（subject-independent）训练方法。尽管受试者相关训练方法已被证明是构建压力检测模型最准确的方法，但受试者无关模型是一种更实用且更具成本效益的方法，因为它们允许在消费级可穿戴设备中部署压力水平检测与管理系统，而无需终端用户的训练数据。为提升受试者无关压力检测模型的性能，本文引入了一种压力相关生物信号处理流程，采用简单的神经网络架构，利用从消费级可穿戴设备采集的多模态情境感知源（包括皮肤电活动（EDA）、血容量脉搏（BVP）和皮肤温度（ST））中提取的统计特征。使用我们提出的模型架构，我们比较了使用各单独信号源测量的压力检测模型与采用多传感器源融合的模型之间的准确率。在公开可用的 WESAD 数据集上的大量实验表明，我们提出的模型优于传统方法，并且相比最先进（state-of-the-art）模型提供了高 1.63% 的平均准确率分数，同时保持较低的标准差。我们的实验还表明，结合多源特征比单独仅使用一种传感器源能产生更准确的预测。
引用
@article{arxiv.2203.09663,
title = {An Improved Subject-Independent Stress Detection Model Applied to Consumer-grade Wearable Devices},
author = {Van-Tu Ninh and Manh-Duy Nguyen and Sinéad Smyth and Minh-Triet Tran and Graham Healy and Binh T. Nguyen and Cathal Gurrin},
journal= {arXiv preprint arXiv:2203.09663},
year = {2022}
}