skin conductance
PulseAugur coverage of skin conductance — every cluster mentioning skin conductance across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
EDA数据中的伪迹去除未能改善VR平衡任务分类
一项新近发表在arXiv上的研究探讨了在虚拟现实平衡任务中，去除皮肤电活动（EDA）数据伪迹技术的有效性。研究人员发现，尽管伪迹去除提高了波形质量并减少了基准数据集中的错误，但并未提高VR任务中的下游分类准确性。该研究表明，预处理应根据其对最终决策过程的影响来评估，而不仅仅是波形改进，因为个体之间的差异有时会掩盖清理EDA信号的真正益处。
-
AI模型使用多模态数据对VR平衡状态进行分类
研究人员开发了一种受Mamba启发的卷积神经网络（MI-CNN）模型，用于在虚拟现实（VR）环境中对姿势状态进行分类。该模型利用包括运动学、肌电图（EMG）和皮肤电活动（EDA）信号在内的多模态数据，以高精度区分平衡和不平衡状态。使用SHapley Additive exPlanations（SHAP）的可解释性分析显示，运动学特征是检测不平衡的最有影响力的因素，并且即使在特征集减少的情况下，模型仍能保持性能。
-
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。
-
经典机器学习在AI4Pain挑战赛中疼痛定位方面优于深度学习
研究人员对使用生理信号进行受试者无关的疼痛定位时，传统特征工程与深度学习进行了探索性比较分析。该研究使用了AI4Pain 2026挑战赛数据集，其中包含皮肤电活动、脉搏波、呼吸和外周血氧饱和度的数据。结果显示，一种经典方法——极端随机树——取得了0.539的最高宏F1分数，比深度学习模型高出7.4个百分点，其中EDA光谱特征是最重要的区分因子。一个值得注意的发现是，疼痛检测和定位准确率之间存在持续的26个点的差距，这表明自主神经通路在…
-
新方法可利用腕部GSR信号检测压力
研究人员开发了一种新的方法，用于处理来自腕戴设备的生理皮肤电反应（GSR）数据以检测压力。这种单位无关的处理流程提取每分钟皮肤电反应次数（nSCR/min）等特征，事实证明这些特征在区分压力与基线状态方面非常有效。该方法实现了高平衡准确率，表明其在可穿戴压力检测系统中的潜力。