Stress assessment by means of heart rate derived from functional near-infrared spectroscopy
Notice bibliographique
Résumé
Many studies have been carried out in order to detect and quantify the level of mental stress by means of different physiological signals. From the physiological point of view, stress promptly affects brain and cardiac function; therefore, stress can be assessed by analyzing the brain- and heart-related signals more efficiently. Signals produced by functional near-infrared spectroscopy (fNIRS) of the brain together with the heart rate (HR) are employed to assess the stress induced by the Montreal Imaging Stress Task. Two different versions of the HR are used in this study. The first one is the commonly used HR derived from the electrocardiogram (ECG) and is considered as the reference HR (RHR). The other is the HR computed from the fNIRS signal (EHR) by means of an effective combinational algorithm. fNIRS and ECG signals were simultaneously recorded from 10 volunteers, and EHR and RHR are derived from them, respectively. Our results showed a high degree of agreement [r > 0.9, BAR (Bland Altman ratio) <5 % ] between the two HR. A principal component analysis/support vector machine-based algorithm for stress classification is developed and applied to the three measurements of fNIRS, EHR, and RHR and a classification accuracy of 78.8%, 94.6%, and 62.2% were obtained for the three measurements, respectively. From these observations, it can be concluded that the EHR carries more useful information with regards to the mental stress than the RHR and fNIRS signals. Therefore, EHR can be used alone or in combination with the fNIRS signal for a more accurate and real-time stress detection and classification.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».