利用可穿戴设备用于情绪智能:数字健康中的治疗应用

科学领域:

• 人与计算机的互动.
• 数字健康数字健康
• 情感计算是一种情感计算.

背景情况:

• 智能数字健康应用程序在医疗保健中越来越多地用于高效的患者护理.
• 情绪识别系统是数字健康治疗干预的关键应用.
• 来自可穿戴设备的生理信号为客观的情绪评估提供了一个有希望的途径.

研究的目的:

• 设计和评估一个系统来收集和分析生理数据 (皮电活动和心电图) 用于情绪识别.
• 通过信号处理和机器学习来识别情绪触发实例,并对反应阶段和兴奋强度进行分类.
• 评估该系统在实时患者监测的治疗环境中集成的潜力.

主要方法:

• 从接受情绪诱导的受试者收集了皮电活动 (EDA) 和心电图 (ECG) 数据.
• 利用信号处理和机器学习技术,包括支持矢量机和ResNet50,用于数据分析.
• 处理信号以识别刺激触发器,分类反应阶段,并确定兴奋强度.

主要成果:

• 该EDA信号有效地识别了情绪触发器,其根平均平方误差 (RMSE) 为0.9871.1.
• 电脑心电图信号特征在情绪检测中实现了94.19%的准确性.
• 兴奋强度分类在数据集上达到60.37%的准确性.

结论:

• 开发的系统在检测情绪反应和对刺激反应的兴奋强度进行分类方面表现出有效性.
• 该系统有可能集成到治疗环境中,为治疗师提供患者情绪反应的实时反.
• 这项技术可以通过基于客观情绪监测的指导调整来增强治疗干预.