ディープラーニングと靴を組み合わせると、誰かがそれを使ってストレスレベルを検出しようとします。ワイヤレス操作、84%の精度

ビッグデータダイジェスト制作

著者: カレブ

現代人の生活プレッシャーはますます大きくなっていると言わざるを得ません。

私はよく腰痛や足の弱さを感じ、さまざまな社内政治に疲れています。仕事を辞めることへの恐怖に支配されていますが、完全に仕事を辞める勇気はありません...

現時点では、文翟軍が推奨しているものを試してみる必要があります...（ああ、私は間違っています）

話を元に戻しましょう。私が言いたいのは、ストレスが高いことは誰もが知っているが、自分のストレスレベルを測定または数値化することについて考えたことがあるかということです。

「ストレスの度合いを1つのグラフで測る」という広告が現在多く見られるが、データや測定方法がなければ、そのような測定の信頼性は依然としてかなり低いと、厳密なダイジェストは述べている。

そこで、温翟軍氏はニュージーランドのオークランド工科大学とドイツのリューベック応用科学技術大学の研究チームがストレス検知装置「StressFoot」を開発したことを発見した。靴の中に脚の動きを検知する装置を入れ、ディープラーニングと組み合わせることで、脚の動きからストレス状態を判断できるという。

一見しただけでも、写真よりも意味がわかります。この研究は論文の形で発表されています。

論文リンク: https://www.mdpi.com/1424-8220/20/10/2882

次は文在寅と一緒に秘密を明かしましょう〜

StressFoot: ワイヤレス操作をサポートし、フル充電で16時間稼働可能

ストレスは心拍数、脳波、筋肉の緊張、表情などと関係していることが多く、従来の測定方法はこれらの現象に基づいていることが多いことが分かっています。

しかし今回、科学者たちは脚の動きと姿勢の特徴とストレスの関係に注目した。

テストの重要な部分は足なので、靴の中に何かを詰め込むのは過剰ではありません。

足の圧力分布を感知するために、研究者らは、力感知抵抗器技術を利用した16個の圧力センサーを備えた圧力感知インソールを足に挿入した。インソールに電力を供給するために、研究者らは、Atmel 社製の SAMD21 マイクロプロセッサを搭載した Sparkfun Razor ボードにインソールを接続する分圧回路も開発した。

さらに、研究者らは、足や足跡の動きや角度をより正確に追跡するために、マイクロコントローラボードとともに足首に取り付けられた 9 DOF IMU (MPU-9250) の加速度計を調査しました。

このプロトタイプには、3.7V、400mAhのリチウムポリマー電池とSDカードが搭載されており、動きを制限することなく完全にワイヤレスで操作できるとされている。

プロトタイプはフル充電で約16時間持続します。

実験では、参加者はプロトタイプを装着し、マインスイーパのビデオや自然風景のビデオを見るなどの低ストレスの項目と、ストループテストやマインスイーパなどの高ストレスの項目を含む一連のパズルゲームやテストを完了するよう求められました。

その後、研究者らは機械学習モデルを使用し、足裏の圧力分布と、プロセス中に収集された足の角度と動きに基づいて、足の圧力、圧力の中心、足/脚の姿勢、足のタップなどのさまざまな特徴を分析しました。

靴を使って圧力状態を検出することは本当に可能なのでしょうか?

ユーザーの主観的なフィードバックによると、ストループテストとマインスイーパーゲームで最も高いストレス値を感じ、それぞれ 5.06 と 6.05 に達しました。同時に、ユーザーはこの 2 つのプロジェクトで最も活動的であると感じ、活動レベルはそれぞれ 5.38 と 5.85 でしたが、対応する喜びレベルはわずか 4.5 と 4.95 でした。

しかし興味深いことに、2 つのビデオ視聴項目のストレス値はそれぞれ 2 と 1.39 に過ぎなかったものの、高ストレス項目の 4.47 と 6.43 と比べてそれほど快適ではありませんでした。

StressFoot で受け取ったデータは主観的なフィードバックと一致しているようです。比較的ストレスの多い 2 つのタスクでは、参加者のストレスレベルが大幅に増加したことがわかります。これは、ストレスの少ない他のプロジェクトの結果とは逆の結果です。

実験では、各モデルのトレーニングと検証にleave-oneUser-out法が使用されました。つまり、研究者はテストユーザーを除く他のユーザーによってトレーニングされたユーザー用のモデルを構築しました。

実験全体の精度に関しては、統計によると、すべての機能を使用して作成されたモデルは 83.9% という妥当な精度を提供しますが、標準偏差は 12.01 に達し、他のどのモデルよりも高くなります。最高の精度は、標準偏差 8.1 で 85.32% に達します。これは、パフォーマンスの優れた 4 つのモデルを組み合わせた結果です。

その後のアンケート調査の結果によると、ストレスの高いプロジェクトとストレスの低いプロジェクトのストレス値はそれぞれ5.36と1.72で、大きな差がありました。この結果は、プロジェクト中の活動レベルとも正の相関関係があり、それぞれ5.18と3.45で、喜びのレベルとは負の相関関係があり、それぞれ4.18と6.36でした。

この結果は、EDA 応答について収集された生理学的データと一致しています。

参加者のほとんどの仕事はコーディング、デバッグ、論文執筆などオフィスに座って行われるため、参加者は現時点ではストレスレベルが高く、幸福度が低いと報告しました。さらに、緊張した状態では、リラックスした状態と比較して、課題負荷が有意に増加した（t = 7.02; p < 0.05）。これは、検出された 2 つのストレス状態とも一致しています。

現場で実施された検証分析によると、参加者 10 人中 8 人が自己申告したストレスレベルと検出されたストレス状況の間に有意な正の相関関係を示しました。

研究者らは、圧力感知インソールとIMUを使用して圧力を感知・検出するスマートシューズを設計することで、すべての人の精神的ストレス状態に注意を払いたいと述べた。

おそらく将来的には、このシステムが全体的なメンタルヘルスの改善にプラスの役割を果たすことになるでしょう。