在可穿戴设备中可视化放松:HRV的多域特征融合使用模糊的复发图谱

科学领域:

• 生理监测是指对身体进行生理监测.
• 生物医学信号处理
• 可穿戴技术是可穿戴的技术.

背景情况:

• 传统的放松监测依赖于主观的自我评估.
• 电心电图 (ECG) 提供了对心血管活动的有限的单维洞察.
• 客观的生理监测对于有效的生物反和压力管理至关重要.

研究的目的:

• 引入一种新的视觉解释框架,用于使用模糊复发图 (FRPs) 的心率变化 (HRV) 时间序列.
• 开发一个多域功能融合框架,用于自动检测HRV数据的自主变化,适用于可穿戴系统.
• 评估拟议框架在区分不同放松状态方面的表现.

主要方法:

• 将HRV时间序列数据转换为二维模糊复发图 (FRP).
• 从五个领域提取特征:时间,频率,非线性,几何和基于图像的.
• 采用了特征选择技术 (费舍尔歧视比,相关过,贪搜索) 并评估了六个分类器,其中支持向量机 (SVM) 显示了最高的性能.

主要成果:

• 模糊的复发图 (FRP) 提供与自主变化相对应的视觉上明显的模式,有助于非专家的解释.
• 多域特征融合框架使用SVM分类器仅使用三个选定的特征实现了96.6%的准确性和100%的特异性.
• 提出的方法在客观监测实时压力水平方面表现出高效.

结论:

• 模糊的复发图 (FRP) 提供了一个有希望的,人类可解读的方法,用于可视化与放松相关的生理变化.
• 使用功能融合和SVM的自动检测框架提供了准确和高效的自主状态的客观监控.
• 这种方法对开发集成到可穿戴设备中的先进生物反系统具有重大潜力,用于实时压力管理.