Детектирование стресса по данным давления пульса крови с использованием персонализированных сверточных сетей
Обнаружение стресса – это активная область исследований с важными последствиями для личного, профессионального и социального здоровья человека. Многие современные подходы используют признаки, вычисленные на основе нескольких сенсорных модальностей (таких, как электрокардиограмма, кожно-гальваническая реакция, температура кожи, дыхание, данные акселерометров и др.). В качестве методов решения задачи широко используют как традиционные алгоритмы машинного обучения (решающие деревья, дискриминантный анализ, метод опорных векторов и др.), так и нейронные сети (полносвязные, сверточные, реккурентные). Использование классических методов, а также полносвязных нейронных сетей требует больших объемов данных для извлечения особенностей. В различных исследованиях рассматриваются субъекто-независимые и субъекто-зависимые (изначально персональные или адаптированные) модели. Целью статьи служат применение персонализации для сверточных нейронных сетей для детектирования стресса на основе данных вариабельности сердечного ритма, а также реализация метода сверточной нейронной сети. Исследуются модификации с использованием различных слоев уменьшения размерности данных, например, одномерный сверточный слой, максимизирующий и усредняющий пулинги. Также исследуется влияние использования численной производной вариабельности сердечного ритма как дополнительной информации во входных данных. В данной статье продемонстрирована важность персонализации моделей, если данная возможность имеется, так как это позволяет увеличивать точность моделей для конкретных субъектов. Предлагаемый метод на основании 60 интервалов между ударами сердца бинарно определяет, находится ли человек в состоянии стресса. До персонализации зафиксирована точность детектирования состояния 0.853, значение F1-меры – 0.901, после персонализации – 0.942 ± 0.095.
Авторы: М. О. Доброхвалов, А. Ю. Филатов
Направление: Информатика, вычислительная техника и управление
Ключевые слова: обнаружение стресса, сверточная нейронная сеть, машинное обучение, вариабельность сердечного ритма, субъекто-зависимые модели
Открыть полный текст статьи