...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE sensors journal >Non-Invasive Hydration Level Estimation in Human Body Using Galvanic Skin Response
【24h】

Non-Invasive Hydration Level Estimation in Human Body Using Galvanic Skin Response

机译：人体中的非侵入性水合水平估计使用电催化皮肤反应

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Dehydration and overhydration, both have mild to severe medical implications on human health. Tracking Hydration Level (HL) is, therefore, very important particularly in patients, kids, elderly, and athletes. The limited solutions available for the estimation of HL are commonly inefficient, invasive, or require clinical trials. Need for a non-invasive auto-detection solution is imminent to track HL on a regular basis. To the best of authors' knowledge, it is for the first time a Machine Learning (ML) based auto-estimation solution is proposed that uses Galvanic Skin Response (GSR) as a proxy of HL in the human body. Various body postures, such as sitting and standing, and distinct hydration states, hydrated vs dehydrated, are considered during the data collection and analysis phases. Six different ML algorithms are trained using real GSR data, and their efficacy is compared for different parameters (i.e., window size, feature combinations etc). It is reported that a simple algorithm like K-NN outperforms other algorithms with accuracy upto 87.78% for the correct estimation of the HL.
机译：脱水和过度水合，两者都对人体健康有轻度至严重的医学影响。因此，跟踪水合水平（HL）是非常重要的，特别是患者，儿童，老年人和运动员。可用于估计HL的有限解决方案通常是低效率，侵袭性或需要临床试验。需要无侵入式自动检测解决方案即将以定期跟踪HL。据提交人的知识，它是第一次基于机器学习（ML）的自动估计解决方案，以使用电流皮肤响应（GSR）作为人体中HL的代理。在数据收集和分析阶段，考虑各种身体姿势，如坐姿和静置，不同的水合态，水合的VS脱水。使用真实GSR数据训练六种不同的ML算法，并将它们的功效与不同的参数（即窗口大小，特征组合等）进行比较。据悉，像K-NN这样的简单算法优于其他算法，精度高达87.78％，以便正确估计HL。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号