建模inter-individual差异ambulatory-based多通道信号通过度量学习:一个案例研究的个性化健康卫生保健工作者估计

Projna Paromita ^{1 *},卡雷尔Mundnich ²,Amrutha Nadarajan², 布兰登·布斯 ³,Shrikanth s Narayanan²和 狄奥多拉Chaspari ¹

• ¹美国德州农工大学
• ²美国南加州大学
• ³认知科学研究所、美国科罗拉多大学博尔德

智能动态跟踪的自动检测可以帮助心理和情绪状态与心理健康专业人士与高风险的工作职责的变化,如卫生保健工作者。然而,著名的差异在个人动态数据的可变性挑战许多现有自动化方法寻求健康评估的学习可归纳的手段。提出了一种新的度量学习技术,通过暹罗神经网络实现,提高了精度和普遍性的自动化健康评估通过减少inter-individual可变性,同时保留行为的可变性与构造。进一步提高精度通过个性化是通过考虑每个人的性格特点作为度量学习额外的输入模型,以及个人特质基础集群标准组参与者随后为每组训练一个度量学习模型。提出的模型的结果证明其他inter-individual变异性显著提高减少和深神经基线压力的方法,焦虑,积极影响和消极影响。本研究奠定了基础对心理和情绪状态的准确估计现实和动态环境导致心理健康变化的早期诊断和启用即时适应干预措施。