来自玩超级马里奥,参加大学考试或进行体育炼的受试者的可穿戴数据有助于通过自我监督学习检测急性情绪障碍情节:前性,探索性,观察性研究
Filippo Corponi1, Bryan M Li1,2, Gerard Anmella3,4,5,6
1School of Informatics, University of Edinburgh, Edinburgh, United Kingdom.
JMIR mHealth and uHealth
|July 17, 2024
概括
自主监督学习 (SSL) 通过克服注释限制,从可穿戴数据中显著改善了情绪障碍的检测. 选择预训练任务和数据大小是个人传感中SSL成功的关键.
科学领域:
- 可穿戴技术和数字表型化.
- 机器学习用于医疗保健
- 心理健康监测 心理健康监测
背景情况:
- 用可穿戴设备进行个人感知为监测情绪障碍 (MDs) 提供了一种有希望的方法.
- 收集和注释可穿戴数据是资源密集的,限制了监督机器学习的应用.
- 这种数据瓶阻碍了开发有效的MD检测系统.
研究的目的:
- 通过利用自主监督学习 (SSL) 来利用可穿戴数据推进急性情绪障碍情节的检测.
- 为了克服心理健康的个人感知数据注释瓶.
- 引入一个新的变压器架构 (E4mer) 和一个大规模的开放访问数据集 (E4SelfLearning) 对于SSL在这个领域.
主要方法:
- 从各种个人传感任务中利用了开放访问的Empatica E4腕带数据集.
- 开发了一种预处理管道,用于体内/体外检测,睡眠/清醒检测和细分.
- 介绍了E4SelfLearning,这是最大的E4数据开放访问集合,以及用于SSL和监督学习的新E4mer变压器架构.
- 与MD检测的完全监督基线相比,评估了SSL预训练的有效性.
主要成果:
- SSL显著优于完全监督的方法,实现了81.23%的记录段的正确分类,而75.35% (E4mer) 和72.02% (XGBoost) 的正确分类.
- SSL性能与预训练代用任务和可用的未标记数据量有很强的相关性.
- E4mer架构在SSL和监督学习方面都表现出了有效性.
结论:
- 自主监督学习有效地克服了个人感知情绪障碍检测的注释瓶.
- 选择预培训替代任务和未标记数据的数量是SSL成功的关键因素.
- E4mer架构和E4SelfLearning数据集是推动个人传感SSL研究的宝贵资源.
