heart rate variability
PulseAugur coverage of heart rate variability — every cluster mentioning heart rate variability across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新方法通过自拍头戴式摄像头估算心率变异性
研究人员开发了EgoHRV，这是一种利用自拍头戴式设备中已有的注视摄像头来估算心率变异性（HRV）和心率（HR）的新颖方法。该技术解决了从嘈杂的自拍视频数据中提取精确时间信息这一挑战，而此前这一直是HRV估算的难点。通过采用3D骨干网络和独特的低-高频分解模块，EgoHRV将摄像头信号的频域表示与接触式测量进行对齐，达到了最先进的准确性。EgoHRV集成到现有的系统中，如EgoExo4D，已证明在技能评估等下游任务中有所改进。
-
新服务器概念旨在为AI代理提供实时情感背景
有人提出了一个“人类情感MCP服务器”的设想，旨在为AI代理提供实时情感背景。该服务器将整合来自生理传感器（如心率变异性、皮肤电导率）以及语音韵律和基于摄像头的面部表情分析的数据。该系统旨在将这些输入分类为不同的情绪状态，如“沮丧”、“投入”或“压力上升”，从而使AI代理能够比仅通过基于文本的通信更快地适应其行为。
-
时间序列基础模型在可穿戴设备 HRV 预测方面展现出潜力
一篇新的研究论文探讨了时间序列基础模型 (TSFM) 从消费级可穿戴设备预测心率变异性 (HRV) 的有效性。该研究评估了 TimesFM、Chronos 和 MOIRAI 与传统方法的对比结果，发现 TSFM 在未经微调的情况下显著优于基线方法。研究人员还引入了一种新颖的插补方法来处理碎片化的可穿戴设备数据，这有助于保留关键的生理动力学以获得更准确的预测。
-
新研究提出标准化的HRV指标以供临床使用 · 跟踪2个来源
一项新近发表在arXiv上的研究，评估了40名健康成人的心率变异性（HRV）指标，旨在建立更稳健的临床标准。该研究利用计算信号处理和数据分析，检验了时间域、频域和非线性指标，解决了正态性、稳定性、相关性、可重复性和一致性等问题。主要发现表明，时间域和非线性指标通常稳定且可重复，并注意到一些性别特异性分布，而频域指标显示出较高的变异性，限制了跨研究比较。该研究提出了一系列指标，以准确表示HRV的组成部分，并增强其在临床和研究中的相关性。