利用可穿戴传感器采集的心率与手部加速度数据评估大学生心理应激
人机交互
2023-09-21 v1 信号处理
摘要
应激是大学生中包括抑郁与焦虑在内的多种心理健康障碍的诱因。早期应激诊断与干预可降低罹患精神疾病的风险。我们考察了一种基于机器学习的方法，利用自然情境研究中采集的以自我报告应激为金标准的数据，以及心率与手部加速度等生理数据来识别应激。该研究涉及一所大型校园的54名大学生，他们连续40天使用可穿戴腕部传感器与移动健康（mHealth）应用。应用以1赫兹频率收集包括心率与手部加速度在内的生理数据。该应用还使用户能通过点击表盘自我报告应激，从而产生带时间戳的自我报告应激记录。我们利用心率与加速度计数据创建、评估并分析了用于识别大学生应激发作的机器学习算法。XGBoost方法是最可靠的模型，AUC为0.64，准确率为84.5%。手部加速度标准差、心率标准差与最小心率是应激检测的最重要特征。该证据可支持利用智能手表传感器识别应激生理反应模式的有效性，并可为未来实时应激检测工具的设计提供参考。
引用
@article{arxiv.2309.11097,
title = {Evaluating Mental Stress Among College Students Using Heart Rate and Hand Acceleration Data Collected from Wearable Sensors},
author = {Moein Razavi and Anthony McDonald and Ranjana Mehta and Farzan Sasangohar},
journal= {arXiv preprint arXiv:2309.11097},
year = {2023}
}