日常环境下的上下文感知压力监测：利用可穿戴与移动技术
信号处理
2024-01-12 v1 机器学习
摘要
日常压力监测是维持最佳身心健康的关键组成部分。生理信号和上下文信息最近已成为检测高度压力事件的潜在指标。然而，开发一个实时监测系统，利用生理和上下文数据来预测日常环境中的压力水平，同时从参与者处收集压力标签，是一项重大挑战。我们提出一个监测系统，通过在日常环境中利用生理和上下文数据客观地跟踪每日压力水平。此外，我们整合了一种智能标记方法，以优化生态瞬时评估（EMA）的收集，这是构建压力检测机器学习模型所必需的。我们提出了一种基于物联网的三层系统架构来应对这些挑战。我们使用交叉验证技术来准确估计压力模型的性能。使用随机森林分类器结合PPG和上下文数据，我们达到了70%的F1分数，这被认为是日常环境模型中可接受的分数。而仅使用PPG数据时，最高F1分数约为56%，强调了在压力检测任务中结合PPG和上下文数据的重要性。
引用
@article{arxiv.2401.05367,
title = {Context-Aware Stress Monitoring using Wearable and Mobile Technologies in Everyday Settings},
author = {Seyed Amir Hossein Aqajari and Sina Labbaf and Phuc Hoang Tran and Brenda Nguyen and Milad Asgari Mehrabadi and Marco Levorato and Nikil Dutt and Amir M. Rahmani},
journal= {arXiv preprint arXiv:2401.05367},
year = {2024}
}