消费级可穿戴设备压力检测模型性能分析
机器学习
2022-03-21 v1
摘要
识别压力水平可为心理健康分析提供有价值的数据，也可作为标注系统的标签。尽管已有大量研究利用心率变异性以较高的数据收集成本构建压力检测模型，但关于使用消费级可穿戴设备的低分辨率皮肤电活动（EDA）信号识别压力模式潜力的研究仍然匮乏。本文聚焦于对两种流行的压力检测模型训练方法（用户相关与用户无关模型）在压力相关生物信号上的检测能力进行统计分析。我们的研究证明用户相关模型在压力检测上统计上更为准确。在效能评估方面，采用平衡准确率（BA）指标来评估在低频分辨率或高分辨率皮肤电活动（EDA）信号上训练的模型区分压力与非压力状态的能力。实验结果表明，与使用高分辨率 EDA 信号相比，用（相对低成本的）低分辨率 EDA 信号训练模型并未显著影响模型的应力检测准确率。我们的研究结果展示了将基于个人日常记录低分辨率 EDA 信号训练的用户相关压力检测模型附载于设备以收集数据、从而为用户提供个性化压力水平洞察与分析的潜力。
引用
@article{arxiv.2203.09669,
title = {Analysing the Performance of Stress Detection Models on Consumer-Grade Wearable Devices},
author = {Van-Tu Ninh and Sinéad Smyth and Minh-Triet Tran and Cathal Gurrin},
journal= {arXiv preprint arXiv:2203.09669},
year = {2022}
}