用于压力及压力相关精神障碍检测、预测与监测的机器学习、深度学习与数据预处理技术：一项范围综述
机器学习
2024-07-09 v2
摘要
背景：精神压力及其导致的精神障碍（MDs）是重大的公共卫生问题。随着机器学习（ML）的出现，有望利用计算技术更好地理解和解决这些问题。本综述旨在阐明该领域当前采用的ML方法，以改进精神压力与MDs的检测、预测和分析。目的：本综述旨在调查用于精神压力与MDs检测、预测和分析的ML方法的范围。方法：采用基于PRISMA-ScR指南的严格范围综述流程，本研究深入探讨了在压力及压力相关MDs背景下使用的最新ML算法、预处理技术和数据类型。结果与讨论：共审查了98篇同行评审出版物。研究结果强调，支持向量机（SVM）、神经网络（NN）和随机森林（RF）模型在ML算法中始终表现出更优的准确率和鲁棒性。心率测量和皮肤反应等生理参数因其丰富的解释性信息和易于获取数据的特点，被广泛用作压力预测因子。降维技术，包括映射、特征选择、滤波和噪声抑制，常被视为ML算法训练前的关键步骤。结论：本综述指出了重要的研究空白，并概述了该领域的未来方向。这些方向包括模型可解释性、模型个性化、自然场景的引入，以及用于压力和压力相关MDs检测与预测的实时处理能力。
引用
@article{arxiv.2308.04616,
title = {Machine Learning, Deep Learning and Data Preprocessing Techniques for Detection, Prediction, and Monitoring of Stress and Stress-related Mental Disorders: A Scoping Review},
author = {Moein Razavi and Samira Ziyadidegan and Reza Jahromi and Saber Kazeminasab and Vahid Janfaza and Ahmadreza Mahmoudzadeh and Elaheh Baharlouei and Farzan Sasangohar},
journal= {arXiv preprint arXiv:2308.04616},
year = {2024}
}