SONIC：协同视觉基础模型用于从心电信号识别压力
信号处理
2024-04-02 v1
摘要
通过心电图（ECG）信号等生理信号进行压力识别引起了广泛关注。传统上，该领域的研究主要集中在利用手工特征或原始信号作为学习算法的输入。然而，现在社区内对利用大规模视觉基础模型（VFMs）如 ResNet50、VGG19 等的兴趣日益浓厚。这些 VFM 因其能够捕获复杂特征的能力而日益受到青睐，从而提高了压力识别系统的准确性和有效性。然而，尚未有研究重点关注组合这些 VFM。组合 VFM 通过利用它们的集体知识来提取更丰富的表示以改进压力识别，提供了有前景的益处。因此，为了弥补这一研究空白，我们专注于组合不同的 VFM 以从 ECG 识别压力，并提出了 SONIC，这是一个通过 logits 组合 VFM 并在组合的 logits 上训练全连接网络的新颖框架。通过广泛的实验，SONIC 在 WESAD 基准上表现出优于单个 VFM 的性能。凭借 SONIC，我们在 WESAD 上报告了最先进的（SOTA）性能，在准确率和 F1 方面分别达到了 99.36% 和 99.24%（压力与非压力），以及 97.66% 和 97.10%（娱乐与压力与基线）。
引用
@article{arxiv.2404.00827,
title = {SONIC: Synergizing VisiON Foundation Models for Stress RecogNItion from ECG signals},
author = {Orchid Chetia Phukan and Ankita Das and Arun Balaji Buduru and Rajesh Sharma},
journal= {arXiv preprint arXiv:2404.00827},
year = {2024}
}