从皮肤电信号中收集信息以推断心理活动的过程

可穿戴监测很可能在未来的医疗保健中发挥关键作用。在许多情况下，可穿戴设备可以监测我们的生理信号，这些信号可以指示精神状态，例如情绪。

Rose Faghih 的实验室一直在开发一种名为 MINDWATCH 的系统，这是一种用于可穿戴传感器的算法和方法，可从皮肤中的电信号中收集信息以推断心理活动。虽然他们的实验室已经成功地快速有效地翻译了这些生理信号，但他们并没有结合来自个人主观体验的直接反馈。

现在，研究人员正在整合来自用户的反馈和标签，通过机器学习进行增强，并将其与他们现有的模型相结合，以获得更全面、更准确的心理状态图。

该研究发表在《IEEE 生物医学工程汇刊》杂志上。

在较高的层次上，人体可以被视为一个复杂的动力系统。它是一个复杂的控制系统集合体，每个控制系统轮流工作以管理不同的变量或状态。不幸的是，许多研究人员感兴趣的状态——尤其是那些更抽象的状态——无法直接测量。这些包括情绪、认知和意识状态。

然而，这些未观察到的状态的变化确实会引起不同生理信号的相应变化，这些信号可以更容易地测量。例如，我们可能无法直接观察或测量一个人的情绪状态，但我们可以测量一个人的心率、呼吸或汗液分泌(进而影响皮肤的导电性)的细微变化。然后可以使用这些信号来估计我们希望的状态。

然而，研究人员用来估计这些未观察到的状态的信号本质上是“尖峰”或“脉动”的。这些尖峰信号可用于估计人体和大脑的各种状态，无需直接观察。使用现有的方法，您可以获得状态估计，但仍然无法使这些估计与所拥有的更直接的状态相关信息一致。这在涉及人类受试者的实验中尤其重要，因为受试者确实可以提供与未观察到的状态相关的信息。这种更直接的状态相关信息可以称为“标签”。

结合来自用户的直接反馈可以提供无法仅从生物数据中收集到的信息。例如，一个患有 PTSD 的人可以持续监测他们的皮肤电导以提供情绪估计，但理想情况下，最终估计应该依赖于这些信号和可能从评级量表或通过定期问卷调查获得的信息。荷尔蒙失调的患者也是如此。激素测量确实提供了有价值的信息，但应该结合个人反馈(例如关于精力充沛/嗜睡的感觉)以获得一个完整的画面。作者通过对混合类型估计器的原理验证工作满足了这一需求。

对某些数据进行估计，使得预测结果与可用标签一致属于监督机器学习的范畴。这项工作通过添加不同意标签的惩罚项来启用混合估计器，从而采用现有的神经网络方法进行状态估计。拟议的混合估计器用于确定与皮肤电导变化(通过汗液分泌物的变化)相关的情绪方面，并根据脉动激素分泌物确定体内的能量状态。

将用户的口头反馈与生理信号结合起来进行混合估计的可穿戴监测系统最终可以提供更完整的用户图片，最终提供更全面的闭环护理。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！