智能手机作为日常的人类行为无应力传感器的潜能外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

智能手机作为日常的人类行为无应力传感器的潜能

摘要：行为是一个最强大的客观信号之一，这意味着通过神经网络系统能调节心理功能。这项研究使用带有三个轴测量加速度、角速度和方向传感器的智能手机来研究一些简单的行为。在我们自己的纵向记录的数据中，我们对工作环境，个体劳动者和季节性影响使用模式识别中的定量分析方法。我们的13个实验室成员参与照顾住在不同的房间的普通狨猴和柴鸡。在五个护理任务中，他们在喂食和清洗期间在前腰带上贴上一个智能手机。行为特征，如速度，加速度和方位角，俯仰和滚转角进行了监测。随后，参与者记录温暖感和工作效率的主观分数。多元时间序列行为数据的特点是主观评分和环境因素，如室温，季节和湿度，采用线性混合模型。和高精度但应力感生传感器相比，移动传感器测量每天的行为，使我们能够量化的心理状态和环境因素在行为特征上的影响。

关键词：加速度计，陀螺，地磁传感器，热心理学，季节调制，工作效率

1. 介绍

正如人们普遍预想的那样，人们普遍预计，工作效率是被个人的心理生理状态和环境因素所影响的。受试者的（例如，积极和消极情绪）的心理状态可通过全身细胞活性得以体现。心理动力学没有量化或重复性的基础是不能用言语来报告的。然而，行为信号可以被用来检测心理因素，这是因为已经揭示了在神经科学中的神经网络机制。我们对定量情绪状态转换已经采用行为输出分析的多变量分析方法即所谓的“花束”，并且从人类和动物模型的视频图像和声音进行多因素测量[1-11]。非接触式传感器，例如摄像机，适合于心理检测，因为它们不会通过附件引入应力的假象。但是，它们在质量和数量方面上的检测受到限制。相反，更轻和小型化的接触移动传感器可能满足对行为检测的需求，例如，在野生动物研究方面[ 12，16 ]。人体运动已变得易察觉，因为我们适应携带包含数字传感器的移动信息终端以及统计数学信号处理的发展[17–20]。我们初步评估了在精神治疗的临床应用前采用移动行为传感系统用于日常生活中的心理量化的潜力。在受试者完成每五个照顾动物的日常任务之后，立刻完成一份关于环境感知和工作效率的主观自我报告的心理状态的调查问卷。使用通过多变量的相关性心理状态和环境因素的评估处理后的有效信息，然后将结果进行筛选。它是已知的，复杂的物理运动模式与多个神经网络相关的是受心理状态通过感觉输入和神经元的认知过程。众所周知，与多个神经网络相关联的复杂的物理运动模式由被通过感觉输入和神经认知过程的心理状态所影响。负责任的神经网络是经过神经分子和生理机制的经验后记忆功能的支配与发展，这种神经网络已经被进行了研究[21,22]。目前的研究对在智能手机上嵌入加速度计作为对人类行为的长期实时监测的工具这一潜在效用进行了报告。虽然在这项研究中参与者的数量是有限的，但是有可能会量化自我报告的心理指标和环境因素对行为指数的影响。监视系统不诱导应力而且便宜，并因此可以成为大规模的行为研究的强有力的工具。

1. 材料与方法

2.1.参与者和房间

该研究方案经东京农工大学的伦理审查委员会批准(TUAT (22-11))。所有参与者的书面知情同意书同意行为数据的收集。把研究结果和这些分析向参与者解释，他们一致认为该结果可以发表。

十三名健康成年参与者（七名年龄在23.7至2.1岁的男性和六名女性，年龄在27.7至9.7岁；表1）自9月27日至10月13日及11月13日到2012年12月3日进行自我记录。

这里的温度控制在约26◦C，当参与者从上午9:00至10:00在TUAT的动物饲养室进行日常护理工作时，数据会被收集。

护理工作是照顾成对的少年普通狨猴（任务1，房间大小：宽度times;深度times;高度= 1米times;0.9米times;2.4米），单只少年狨猴（任务2、0.8米times;0.9米times;2.4米），成人狨猴（任务3、1.8米times;2.7米times;2.2米），柴鸡（任务4、1.8米times;1.8米times;2.2米），和其他的任务如清洗（任务5，1.6米times;0.7米times;2.4米）。然而，在某些情况下，任务的顺序和任务的共享会改变，以此来提高参与者的工作效率。

2.2.数据收集

使用连接到前腰（图1C）Docomo的NEXT系列GALAXY SII SC-02C智能手机（SGH-N033，NTT DoCoMo公司，日本）的内置感应器获得行为数据。使用定制的java应用（NTT软件，日本）在智能手机存储数据。我们记录了三种物理数据：加速度计三个轴的数据，陀螺仪三个轴的数据，和滚动，俯仰和方位角的数据（图1c）。在记录所有数据的时间分辨率为0.2秒（即采样率为5赫兹）。为了证明智能手机传感器的使用，收集了四名健的康成年志愿者（一名女性和三个雄性）的数据与连接到智能手机上的研究级加速度计（TSN D121，国际电气通信基础技术研究所，日本）同时记录下的数据进行比较。这些加速度计最大时间分辨率为1000赫兹，加速度分辨率为0.12毫伽（重力），以及角速度分辨率为0.15度每秒。每5分钟使用无线采集器（MD记录器，奇诺，日本）测量环境温度和湿度。温暖感（3：温暖，2：中和1：凉）和工作效率（3：高，2：中等，1：低）主观心理分数在每个任务后立即进行调查问卷。每个早晨从日本气象厅的网站获得东京府中市在上午9点的室外温度[ 23 ]。

2.3.行为和心理指标以及环境因素的测量

智能手机传感器以30秒为周期测量每个因素的平均值和标准偏差（在表2中列出的项目1-18）。每0.2秒测量方位角传感器（表2的项目4），因此如果参与者垂直站立，方位角的值意味着ANX(项目7)的角速度。环境温度（项目28）和相对湿度（项目29）每30秒进行调整，以匹配智能手机传感器的时间尺度。温暖感（项目30）和工作效率（项目31）的主观分数保持每上下文的工作是相同的值。按照我们对志愿者在30秒时间间隔内的周期行为的初步估计，行为因素（项目19-27）的电流频率分析，在R软件中采用600秒移动窗口快速傅里叶变换（FFT）[23,24]。在30秒的步骤中，时间窗口被转移。

计算出的结果表示为频率 - 时间谱图。在1 /600-5赫兹的频率范围内初步评价并寻求相关的其它因素后，我们决定使用30-100秒周期的低通和高通滤波和以振幅平方提取行为成分。

2.4.行为指数采用线性混合模型（LMM）表征

我们使用LMM和R包lme4描绘了35行为指数[24,25]。我们使用心理指标和环境因素回归每个行为指标。我们允许的回归系数之间的个体变异保持随机效应：

行为因素sim;工作效率 温暖感 温度 湿度 天（工作效率 温度 湿度 温暖感 天|ID）。

为了解释结果，我们采用了方差-协方差矩阵的固定效应的t值主成分分析（PCA）。

1. 结果

3.1.智能手机的感知人体运动能力的初步论证

由于智能手机的感知频率（5赫兹）不是很高，我们通过比较智能手机获得的结果与在每个传感器方向对于简单优化的运动有较高精度的加速计获得的结果相比较，初步证明智能手机的感知能力（图2）。根据我们的智能手机数据的初步分析（超过30 s信号平均5 Hz），要求被试完成四项预先计划的1 / 30 Hz的周期运动，包括蹲、站立（表2中相应的项目1、10和19），横向左右冲刺（项目2、11和20），顺时针和逆时针水平旋转（项目8、17和26），和横向左右倾斜（项目9、18和27）。两个同步传感器（一个是智能手机检测器，另一个是高精度检测器）的原始信号在5赫兹的时候收集600秒，采用600秒的窗口的FFT频谱密度作为频率分量的平方强度，循环与时间在下面的实验中也是以600秒为单位。对四个健康成年人的一系列比较的结果表明，当使用智能手机而不是研究级传感器时，趋势波的幅度较小，但是同样确定了所有参与者的某些周期波。除了智能手机传感器的横向倾斜运动（图2D）在以30秒为周期涂抹状波段以及在以60秒为周期为谐波状之外,周期为30秒的FFT频谱图密集波段一起确认为一致。根据这些初步的理由，我们采用带通滤波以此只接受在1 / 30 - 100 / 1赫兹的频率使用智能手机传感器来记录人体运动信号。

3.2.从智能手机传感器的原始信号趋势和纵向采集的FFT分析的功率谱图获得的实例数据集

内置传感器的智能手机被用来获得一组参与者在照顾动物任务期间的运动。在任务1-3（图1B）期间,使用腰上的智能手机传感器获得参与者八个趋势的实例集，除了四个主要方向的数据（数据未显示），都在图3A-C中显示。然后，我们审核了所有参与者的图和对图2的初步分析。我们过滤掉较低的波段（1/100–1/300赫兹）和较高的波段（1/5–1/30赫兹），提取1/30 and 1/100赫兹（图2，垂直轴的黑色波段）之间的信号作为一个典型的FFT波段以此来避免包括FFT假象在内的风险。

t值的绝对值大于2是很重要的。表3中黑色和灰色的单元强调绝对值大于2。

3.3.心理和环境因素对行为指标的影响

工作效率影响的横向加速度（表3中项目2）与在30–100S的向前向后加速度（项目21）的周期分量呈正相关，与方位角速度（项目4）负相关（表3）。温暖感只影响倾斜加速度（项目27）的周期分量，并呈负相关。

环境温度对向前向后加速度（项目21）和弯曲角速度（项目26）的2个周期分量造成负向影响。环境相对湿度与周期分量的倾斜角速度（项目27）是正相关，并对方位角速度的标准偏差（项目13）和身体的垂直轴的旋转（项目16）产生负向影响。在夏季后期和冬季之间（列在表3中的第五个因素）的季节性因素的影响涉及侧向移动加速度（项目11）和弯曲角速度（项目17）的标准偏差。两个行为因素之间的相互作用可以看出AcZ.fft（项目21）和AngZ.fft （项目27）的周期分量。这可以被看作是如果工作效率的增加或环境温度降低，行为的因素AcZ.fft（项目21）会变得活跃。温暖感降低或相对湿度的增加，似乎会使AngZ.fft（项目27）这个因素变得活跃。

为了解释相关的影响，我们对表3的t值采用主成分分析方法。前三个主成分的累积比例为84.3%，前四个主成分的累计比例为95.7%。图四中的A和B图显示前4个主成分的得分和因子载荷。第一主成分（PC 1）代表环境因素的影响：环境温度的正面影响与相对湿度的负面影响。标准偏差的行为因素（Azimuth.sd（项目13），Roll.sd（项目15），和Angx.sd（项目16））的PC1分数较高（PC1 gt; 1.7）（图4A），而周期成分的因素分（Roll.fft（项目24），AngY.fft（项目26），和AngZ.fft（项目27））PC1分数较低（PC1 lt;minus;1.7）。PC2揭示了温暖感和工作效率心理分数的积极影响和季节性因素的负面影响。四个行为因素，AngX（项目7），Acy.sd（项目11），AngY.sd（项目17）和Acz.fft（项目21），对应于较高的PC2评分（PC2 gt; 1.5）。与此相反，Pitch（项目5），AngX.fft（项目25）和AngZ.fft（项目27）这三个因素对应于较低的分数PC2（PC2lt;-1.5）。总之，尽管在夏季有更高的温暖感，但是行为活动有更高的工作效率，其特征是弯曲腰部，以身体为轴线旋转，同时有前后移动和侧向倾斜的抑制的周期分量。PC3代表了工作效率和相对湿度在行为因素AcY （项目2）和Acz.fft（项目21）对降低PC3评分和方位角Azimuth（项目4）对抬高PC3分值的负面影响。这表明，参与者组倾向于在具有1/30赫兹前后周期运动时执行许多横向运动，但在高湿度环境中为了高工作效率而抑制水平旋转。PC4特点是温暖感或工作效率和AngY（项目8），AcX.fft（项目19）在高得分的情况下（PC4gt;1.3）和Roll.fft（项目24）或AcY.sd（项目11）在低得分的情况下（PC4lt;-1.3）呈负相关。PC3和PC4似乎受季节性影响较小。

1. 讨论

4.1.日常无压力移动传感器获取神经心理研究的多域交互处理的可能性

与心理行为有关的神经信号的先进记录在促进我们对精神病学的理解方面起着核心作用。

为了做这样的记录，我们建议每天评估采用智能手机和多域的数据分析方法的可能性。该数据不仅是非常精确，而且我们可以在无压力的方式下取得纵向数据，这一点是很重要的。
和研究级加速度计相比，带有内置的加速度计的一般用途的智能手机，陀螺仪和磁传感器的精度和准确性都很差。这是由在初步测试中两种不同的设备在结果上的微小差异所展示的（图2），但是智能手机适合于日常数据的采集，以及保证当完成每项任务之后调查问卷填写时穿戴智能手机设备的志愿参与者没有抱怨。参与者都是实验室的学生，他们在日常生活中都熟悉智能手机。参与者每天早晨进行的动物护理活动是他们通常的工作，这是作为他们在动物发展上的部分研究呢，并不是专门为了目前的研究。13名学员中有三个是实验室的新成员，他们对实验室研究的范围不是很熟悉。在记录开始前，他们已经学习了超过半年的动物护理工作，但被视为外面的对象。然而，在未来的研究中，适当的选题应包括参加培训的科目以外的实验室执行的任务的研究。这将避免实验者自身偏差的风险。虽然在我们获得不熟悉的数据记录之前，我们没有设计信号处理方法，我们试图选择常用的分析方法，包括平均，平滑，标准偏差，频率分析和FFT，然后然后采用LMM和PCA找到数据合适的多元分析，以此来使复杂的行为、心理和环境的高阶和低阶的相关结构具体化。据推测，像这样记录在一个正常的实验室的纵向数据会涉及随意性的混入。对于多域交互处理的主要方法，通过行为多元的相关性和动态推断出神经机制的复杂结构，我们采用LMM来考虑个体之间和个体内部的差异，然后采用PCA使多参数结构具体化来综合多种效应;而后，相关的行为变量的运动出现了。该信号处理可能会确定某些工作的运动特性和支持高度复杂的行为和环境依赖心理状态的定量识别频率和多元和纵向相关性分析。图4的综合

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[29003]，资料为PDF文档或Word文档，PDF文档可免费转换为Word