使用 ECG 频谱图与深度学习的人格特质识别
人机交互
2024-02-08 v1 机器学习
信号处理
摘要
本文提出了一种利用应用于心电图（ECG）信号的深度学习（DL）方法来识别人格特质的创新方法。在检测包含外向性、神经质、宜人性、尽责性和开放性的大五人格特质模型框架内，本研究探索了 ECG 衍生频谱图作为信息特征的潜力。确定了频谱图生成的最佳窗口大小，并采用卷积神经网络（CNN），特别是 Resnet-18，以及视觉 Transformer（ViT）进行特征提取和人格特质分类。该研究使用了公开可用的 ASCERTAIN 数据集，该数据集包含各种生理信号，包括在按效价和唤醒水平分类的视频刺激呈现期间从 58 名参与者收集的 ECG 记录。本研究的结果展示了在人格特质分类方面的显著性能，在不同的窗口大小和人格特质中始终达到超过 0.9 的 F1 分数。这些结果强调了 ECG 信号频谱图作为人格特质识别有价值模态的可行性，其中 Resnet-18 在辨别不同人格特质方面表现出有效性。
引用
@article{arxiv.2402.04326,
title = {Personality Trait Recognition using ECG Spectrograms and Deep Learning},
author = {Muhammad Mohsin Altaf and Saadat Ullah Khan and Muhammad Majd and Syed Muhammad Anwar},
journal= {arXiv preprint arXiv:2402.04326},
year = {2024}
}