卷积神经网络基于 10 秒心电图时间窗检测急性认知应激的错误率为 17.3%，显著优于传统心率变异性方法（p < 0.01）。
其他 (n=20)
No
在健康受试者中，与传统 HRV 方法相比，基于 CNN 的方法是否能改善基于 ECG 信号的急性认知应激实时检测？
与传统 HRV 方法相比，采用 10 秒 ECG 时间窗的基于 CNN 的方法可显著降低急性认知应激的检测错误率，从而实现实时监测。
Effect estimate: 7.2% absolute reduction in error rate
Absolute Event Rate: 17.3% vs 24.5%
p-value: p=<0.01
由于应激与许多身心健康问题相关，在现代社会中，对应激的监测及其管理变得越来越重要。鉴于卷积神经网络（CNN）在自动特征学习方面的优势，本研究提出利用 CNN 基于心率变异性（HRV）实现对急性认知应激的准确且快速检测。研究采用传统的心算作为共计20名受试者的应激源，在此期间采集单导联心电图（ECG）。从 ECG 信号中提取了用于推断认知应激的六种传统 HRV 方法，并将其识别急性认知应激的性能与所提出的基于 CNN 的方法进行了比较。实验结果表明，在超短（10 s）时间窗下，CNN 的检测错误率为 17.3%，显著优于所有六种传统 HRV 方法的性能（> 7.2%，p < 0.01）。进一步分析表明，所提出的 CNN 方法所实现的改善主要来自于应激样本误检的减少。本研究证明了超短时间窗的可行性以及 CNN 在急性认知应激检测中的优势。其成果将有益于通过 HRV 进行实时应激检测的实际应用。
He et al. (Tue,) 在急性认知压力人群中进行了一项其他研究 (n=20)。评估了基于 Convolutional Neural Network (CNN) 的压力检测对比常规心率变异性 (HRV) 方法在急性认知压力检测错误率 (ER) 方面的表现（错误率绝对降低 7.2%，p=<0.01）。卷积神经网络通过 10 秒心电图窗口检测急性认知压力，错误率为 17.3%，显著优于常规心率变异性方法 (p < 0.01)。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: