Идентификация легкой дегидратации с использованием машинного обучения для оценки вегетативных реакций на стресс

Обсуждение статей по нутрициологии и диетологии как жёлтой, так и серьёзной прессы

Модераторы: Симоненко Ольга, Натали

Аватара пользователя
Робот
VIP
VIP
Сообщения: 4885
Зарегистрирован: 11 июн 2018, 14:51
Поблагодарили: 1 раз

Идентификация легкой дегидратации с использованием машинного обучения для оценки вегетативных реакций на стресс

Непрочитанное сообщение Робот »

Nutrients, Vol. 12, Pages 42: Mild Dehydration Identification Using Machine Learning to Assess Autonomic Responses to Cognitive Stress

Nutrients doi: 10.3390/nu12010042

Authors: Hugo F. Posada-Quintero Natasa Reljin Aurelie Moutran Dimitrios Georgopalis Elaine Choung-Hee Lee Gabrielle E. W. Giersch Douglas J. Casa Ki H. Chon

The feasibility of detecting mild dehydration by using autonomic responses to cognitive stress was studied. To induce cognitive stress, subjects (n = 17) performed the Stroop task, which comprised four minutes of rest and four minutes of test. Nine indices of autonomic control based on electrodermal activity (EDA) and pulse rate variability (PRV) were obtained during both the rest and test stages of the Stroop task. Measurements were taken on three consecutive days in which subjects were “wet” (not dehydrated) and “dry” (experiencing mild dehydration caused by fluid restriction). Nine approaches were tested for classification of “wet” and “dry” conditions: (1) linear (LDA) and (2) quadratic discriminant analysis (QDA), (3) logistic regression, (4) support vector machines (SVM) with cubic, (5) fine Gaussian kernel, (6) medium Gaussian kernel, (7) a k-nearest neighbor (KNN) classifier, (8) decision trees, and (9) subspace ensemble of KNN classifiers (SE-KNN). The classification models were tested for all possible combinations of the nine indices of autonomic nervous system control, and their performance was assessed by using leave-one-subject-out cross-validation. An overall accuracy of mild dehydration detection was 91.2% when using the cubic SE-KNN and indices obtained only at rest, and the accuracy was 91.2% when using the cubic SVM classifiers and indices obtained only at test. Accuracy was 86.8% when rest-to-test increments in the autonomic indices were used along with the KNN and QDA classifiers. In summary, measures of autonomic function based on EDA and PRV are suitable for detecting mild dehydration and could potentially be used for the noninvasive testing of dehydration.


Источник: https://www.mdpi.com/2072-6643/12/1/42
Это сообщение оставлено Роботом

Аватара пользователя
Vinipuh
Донатор
Донатор
Сообщения: 629
Зарегистрирован: 06 июл 2019, 21:21
Благодарил (а): 60 раз
Поблагодарили: 3 раза

Re: Идентификация легкой дегидратации с использованием машинного обучения для оценки вегетативных реакций на стресс

Непрочитанное сообщение Vinipuh »

Была изучена возможность выявления легкого обезвоживания с помощью вегетативных реакций на когнитивный стресс. Чтобы вызвать когнитивный стресс, предметы ( н= 17) выполнил задание Stroop, которое включало четыре минуты отдыха и четыре минуты теста. Девять показателей вегетативного контроля, основанные на электродермальной активности (EDA) и вариабельности частоты пульса (PRV), были получены как на стадии отдыха, так и на стадии тестирования задачи Stroop. Измерения проводились в течение трех последовательных дней, в течение которых субъекты были «мокрыми» (не обезвоженными) и «сухими» (испытывая легкое обезвоживание, вызванное ограничением жидкости). Девять подходов были протестированы для классификации «мокрых» и «сухих» условий: (1) линейный (LDA) и (2) квадратичный дискриминантный анализ (QDA), (3) логистическая регрессия, (4) машины опорных векторов (SVM) с кубическое, (5) точное ядро ​​Гаусса, (6) ядро ​​среднего Гаусса, (7) классификатор k-ближайшего соседа (KNN), (8) деревья решений и (9) ансамбль подпространств классификаторов KNN (SE-KNN). Классификационные модели были протестированы для всех возможных комбинаций девяти показателей контроля вегетативной нервной системы, и их эффективность была оценена с использованием перекрестной проверки одного человека. Общая точность определения легкого обезвоживания составила 91,2% при использовании кубического SE-KNN и индексов, полученных только в состоянии покоя, и точность составила 91,2% при использовании кубических классификаторов SVM и индексов, полученных только при тестировании. Точность составила 86,8%, когда использовались приращения покоя к тесту в вегетативных индексах вместе с классификаторами KNN и QDA. Таким образом, показатели вегетативной функции, основанные на EDA и PRV, подходят для выявления легкого обезвоживания и могут потенциально использоваться для неинвазивного тестирования дегидратации. и их эффективность оценивалась с помощью перекрестной проверки «оставь одного субъекта». Общая точность определения легкого обезвоживания составила 91,2% при использовании кубического SE-KNN и индексов, полученных только в состоянии покоя, и точность составила 91,2% при использовании кубических классификаторов SVM и индексов, полученных только при тестировании. Точность составила 86,8%, когда использовались приращения покоя к тесту в вегетативных индексах вместе с классификаторами KNN и QDA. Таким образом, показатели вегетативной функции, основанные на EDA и PRV, подходят для выявления легкого обезвоживания и могут потенциально использоваться для неинвазивного тестирования дегидратации. и их эффективность оценивалась с помощью перекрестной проверки «оставь одного субъекта». Общая точность определения легкого обезвоживания составила 91,2% при использовании кубического SE-KNN и индексов, полученных только в состоянии покоя, и точность составила 91,2% при использовании кубических классификаторов SVM и индексов, полученных только при тестировании. Точность составила 86,8%, когда использовались приращения покоя к тесту в вегетативных индексах вместе с классификаторами KNN и QDA. Таким образом, показатели вегетативной функции, основанные на EDA и PRV, подходят для выявления легкого обезвоживания и могут потенциально использоваться для неинвазивного тестирования дегидратации. 2% при использовании кубических классификаторов SVM и индексов, полученных только при тестировании. Точность составила 86,8%, когда использовались приращения покоя к тесту в вегетативных индексах вместе с классификаторами KNN и QDA. Таким образом, показатели вегетативной функции, основанные на EDA и PRV, подходят для выявления легкого обезвоживания и могут потенциально использоваться для неинвазивного тестирования дегидратации. 2% при использовании кубических классификаторов SVM и индексов, полученных только при тестировании. Точность составила 86,8%, когда использовались приращения покоя к тесту в вегетативных индексах вместе с классификаторами KNN и QDA. Таким образом, показатели вегетативной функции, основанные на EDA и PRV, подходят для выявления легкого обезвоживания и могут потенциально использоваться для неинвазивного тестирования дегидратации.

Donat
Ответить
  • Похожие темы
    Ответы
    Просмотры
    Последнее сообщение

Кто сейчас на конференции

Сейчас этот форум просматривают: Ahrefs [Bot], Bing [Bot], PetalBot [Bot] и 0 гостей