产前焦虑识别模型整合了多模式生理信号
Yanchi Bao1, Mengru Xue2, Jennifer Gohumpu1
1Ningbo Innovation Center, Zhejiang University, Ningbo, China.
Scientific reports
|September 18, 2024
概括
这项研究开发了一种机器学习模型,使用孕妇的生理数据来检测焦虑. 该系统实现了69.3%的准确性,为改善母亲心理健康监测提供了潜力.
科学领域:
- 人与计算机的交互 (HCI)
- 孕产妇健康 孕产妇健康
- 情感计算是一种情感计算.
背景情况:
- 怀孕妇女的焦虑会对健康产生负面影响.
- 数据稀缺和收集挑战阻碍了对孕妇的HCI干预.
- 生理学数据提供了对情绪状态的客观见解.
研究的目的:
- 开发一个数据驱动的HCI干预来评估孕妇的焦虑.
- 探索可穿戴传感器用于收集生理数据的使用.
- 建立一个机器学习模型来评估母亲的焦虑水平.
主要方法:
- 使用Empatica E4腕带收集生理数据 (血液体积脉,皮肤温度,心跳间隔).
- 从孕妇收集的主观焦虑水平报告.
- 利用支持矢量机 (SVM) 算法来模拟焦虑检测.
- 来自多个生理信号的综合特征.
主要成果:
- 在情绪识别中实现了69.3%的准确性,用于焦虑检测.
- 证明了使用可穿戴传感器在孕妇身上收集生理数据的可行性.
- 成功构建了一个用于评估焦虑水平的SVM模型.
结论:
- 开发的模型显示出对HCI干预在孕产妇心理健康方面的承诺.
- 介绍了用于母亲情绪监测的概念生物反机制.
- 强调了改善监测和及时干预的潜力,以支持孕妇的情绪健康.
更多相关视频
08:22Measuring Cardiac Autonomic Nervous System ANS Activity in Toddlers - Resting and Developmental Challenges
Published on: February 25, 2016
15.4K
06:39Using a Murine Model of Psychosocial Stress in Pregnancy as a Translationally Relevant Paradigm for Psychiatric Disorders in Mothers and Infants
Published on: June 13, 2021
3.0K
