心拍ダイナミクスを使用した個別化確率点過程非線形モデルは、短時間の視覚刺激中に4つの感情状態を認識する際の全体的な精度79.29％を達成しました。
観察研究 (n=30)
No
パーソナライズされた確率的ポイントプロセス非線形モデルは、短期的な心拍の動態のみを使用して、リアルタイムで感情状態を正確に特徴づけることができます。
生理的信号の計算モデルと分析を通じた感情認識は、過去10年間に広く研究されてきました。提案された感情認識システムのほとんどは、比較的長時間の多変量記録を必要とし、短時間の系列を使用した正確なリアルタイムの特徴付けを提供しません。これらの制限を克服するために、心拍ダイナミクスの分析によって被験者の感情状態を特徴付けることができる新しい個別化確率フレームワークを提案します。この研究には、国際的な感情画像システムから収集された一連の標準化された画像を提示された30人の被験者が含まれており、覚醒度と価値のレベルが交互に与えられます。RR間隔系列の固有の非線形性と非定常性により、ウィーナー・ボルテラ表現に基づいて3次までの自己回帰非線形性を考慮した瞬時の同定のための特定の点過程モデルが考案され、非常に速い刺激-反応の変化を追跡します。瞬時のスペクトルとバイスペクトルからの特徴、ならびに優勢なリャプノフ指数が抽出され、分類のためのサポートベクターマシンの入力特徴として考慮されました。10秒ごとに感情を推定する結果は、影響の円環モデルに基づく4つの感情状態を認識する際の全体の精度が79.29％であり、価値軸で79.15％、覚醒軸で83.55％を達成しました。
Valenza et al. (Wed,) は健康な被験者において観察研究を実施しました（感情認識）（n=30）。個別化確率点過程非線形モデル（NARI）と線形点過程モデルが、4つの感情状態（悲しみ、怒り、幸福、リラクゼーション）を認識する際の全体的な精度について評価されました。心拍ダイナミクスを使用した個別化確率点過程非線形モデルは、短時間の視覚刺激中に4つの感情状態を認識する際の全体的な精度79.29％を達成しました。