基于深度学习的方法,使用EEG和脉率来区分人类大脑的不同压力水平
Prithwijit Mukherjee1, Anisha Halder Roy1
1Institute of Radio Physics and Electronics, University of Calcutta, Kolkata, India.
Computer methods in biomechanics and biomedical engineering
|November 6, 2023
概括
这项研究引入了使用脑电图 (EEG) 和脉率来准确测量人类压力水平的深度学习模型. 新的CNN-TLSTM方法在识别四个压力类别时实现了97.86%的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
背景情况:
- 过度的压力会带来严重的健康风险,影响认知和生理功能.
- 准确的,非侵入性的压力水平测量对于及时干预至关重要.
- 现有的压力检测方法往往缺乏精度或需要复杂的设置.
研究的目的:
- 设计一种基于深度学习的技术,用于测量人类的压力水平.
- 为了利用电脑电图 (EEG) 信号和脉冲率来检测压力.
- 开发一个准确和有效的自动化系统,用于心理压力分类.
主要方法:
- 开发了一种基于注意力机制的新型CNN-TLSTM模型.
- 脑电图信号和脉率数据是从不同压力条件下的受试者收集的.
- 卷积神经网络 (CNN) 提取了特征,Tanh 长期短期记忆 (TLSTM) 分类了压力水平.
主要成果:
- 拟议的CNN-TLSTM模型实现了97.86%的平均精度.
- 该模型在分类四个不同的压力水平 (没有,低,中,高) 中表现出了很高的有效性.
- 该技术在压力水平测量方面超过了现有的最先进的方法.
结论:
- 开发的深度学习模型提供了一种高效的方法来测量人类的压力.
- 将EEG和脉率与先进的人工智能模型相结合,显示出对心理健康监测的前景.
- 未来的研究可以通过结合fNIRS,ECG和GSR等额外的生物信号来提高准确性.
