Aprendizaje de múltiples instancias consciente de tareas para la detección de estrés a partir de datos de video...

Área de la Ciencia:

• Psicología Psicología Psicología.
• Ciencias de la computación Ciencias de la computación
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• El estrés es un problema generalizado que afecta la salud mental y física.
• La detección temprana del estrés es crucial para la intervención oportuna y el bienestar.
• Los métodos actuales de detección de estrés fisiológico a menudo son intrusivos y no escalables.

Objetivo del estudio:

• Proponer un método de detección de estrés no intrusivo, basado en video.
• Aprovechar el aprendizaje de múltiples instancias para mejorar la precisión de la detección de estrés.
• Desarrollar un método adecuado para el monitoreo de estrés continuo y a gran escala.

Principales métodos:

• Utilizado el aprendizaje de instancia múltiple top-k con una red de características temporales y atención de múltiples cabezas.
• Incorpora un mecanismo de acondicionamiento para tareas activas y pasivas.
• Incluye tanto las instancias top-k como las bottom-k para utilizar conjuntos de datos limitados y etiquetas débiles.

Principales resultados:

• Logró una alta precisión y puntajes F1 en conjuntos de datos personalizados y públicos (StressID).
• Métodos de referencia superados en una evaluación de cinco sujetos excluidos.
• Se ha demostrado la localización temporal interpretable de los comportamientos indicadores de estrés.

Conclusiones:

• El método basado en video propuesto ofrece un enfoque eficaz y no intrusivo para la detección de estrés.
• El marco de aprendizaje de múltiples instancias de top-k mejora la precisión al considerar diversos patrones de comportamiento.
• Este método es prometedor para aplicaciones escalables y continuas de monitoreo de estrés.