基于可穿戴传感器的日常场景个性化压力监测
机器学习
2021-08-03 v1 计算机与社会
信号处理
摘要
由于压力导致广泛的心理与生理健康问题，压力的客观评估对于行为与生理研究至关重要。尽管若干研究已在受控场景中评估压力水平，但由于混杂情境因素带来的挑战以及自我报告依从性有限，日常场景中的客观压力评估仍很大程度上未被充分探索。本文中，我们探索基于通过低成本且易佩戴的光电容积描记（PPG）传感器（新款智能可穿戴设备上广泛配备）所采集的心率（HR）与心率变异性（HRV），在日常场景中客观预测压力水平。我们提出一种支持可调样本标注采集的个性化压力监测分层系统架构，并给出一种从实时数据流中筛选信息丰富样本以供标注的方法。我们通过自我报告问卷在 1–3 个月期间内采集了十四名志愿者的压力水平，并基于 HR 与 HRV 使用机器学习（Machine Learning）方法探索二分类压力检测。鉴于数据集采集于日常场景这一挑战性环境，我们观察到有前景的初步结果。该二分类压力检测器相当准确，能以最高 \%76 的宏 F1 分数（macro-F1 score）区分有压力与无压力样本。我们的研究为更精细的标注策略奠定基础，这些策略将生成上下文感知的个性化模型，助力健康专业人员提供个性化干预。
引用
@article{arxiv.2108.00144,
title = {Personalized Stress Monitoring using Wearable Sensors in Everyday Settings},
author = {Ali Tazarv and Sina Labbaf and Stephanie M. Reich and Nikil Dutt and Amir M. Rahmani and Marco Levorato},
journal= {arXiv preprint arXiv:2108.00144},
year = {2021}
}
备注
Accepted at EMBC'21