.png){kind=icon}
返回
PSAML: A Methodological Approach for Noninvasive Computerized Hydration Level Estimation
.png){kind=icon}
OA
AI
DOI：10.3390/s26113362.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水合水平（HL）是人类健康和功能状态的关键生理指标，准确监测HL对于医疗保健、体育和健康评估应用至关重要。然而，现有方法要么具有侵入性且不便，要么虽非侵入性但受限于系统复杂性和准确度不足。为解决这些限制，本研究提出了一种基于电导皮肤反应（GSR）信号的非侵入性计算机化HL估计方法学方法，称为PSAML方法，该方法整合了主成分分析（PCA）、逐步分解指数（SDI）和机器学习（ML）分类器。从三名健康受试者在脱水、正常和过度水合状态下，在坐姿、站立和姿势无关场景下收集了代表性的GSR数据集。经过预处理（包括异常值去除、巴特沃斯滤波和时间窗口分割）后，提取了常规时域特征，并与基于PCA和SDI的表示进行比较。使用了六种ML算法进行分类。结果表明，常规特征方法的最大准确率为63.97%，而基于PCA的特征降维显著提高了性能，其中PCA+SVM、PCA+LR和PCA+LDA在大多数情况下准确率超过99%。基于SDI的特征在小时间窗口下与合适的分类器结合也表现出强性能。这些发现表明，所提出的PSAML方法为可穿戴非侵入性HL监测提供了准确高效的解决方案。
Keyword:
hydration level detection
principal component analysis
successive decomposition index
support vector machine
classification
linear discriminant analysis
feature extraction
posture
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Personalized wearable electrodermal sensing-based human skin hydration level detection for sports, health and wellbeing.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏Non-Invasive Hydration Level Estimation in Human Body Using Galvanic Skin ResponseIEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏Galvanic Skin Response signal based Cognitive Load classification using Machine Learning classifier
PREAI
分享收藏
查看更多内容