科学讲座6（2023）100181介绍用于测量研究级生理信号Sean M.Montgomerya，b， Nitin Nairb，Phoebe Chenc，Suzanne Dikkerc，da美国内华达州里诺市内华达大学心理学系，邮编：89557bConnected Future Labs，450 Sinclair St.，美国内华达州里诺市，邮编：89501c纽约大学心理学系，纽约，NY 10003，美国dVU Amsterdam，Department of Clinical Psychology，1081 HV，Amsterdam，the Netherlands自动清洁装置保留字：生物识别皮电活动PPG体温IMUA B标准周边生理信号位于大脑与行为的联结点，为我们了解身心提供了一个强有力的窗口然而，当前可用的外围生理感测设备具有用于利用其数据的许多障碍。像FitBit和Apple Watch这样的消费级设备很容易戴在手腕上，但对Black-boX信号处理算法得出的消费级数据的访问非常有限，这使得在研究环境中解释数据变得困难另一方面，研究级设备（例如，Empatica、Shimmer、BIOPAC）提供了对高质量数据的更多访问，但仍处于封闭的生态系统中，价格高昂，许多人无法承受 为了弥补现有生物识别解决方案中的这些差距，我们的实验室开发了一个基于操作系统的数据采集平台（http：//wwww.com）。我不知道。c om/）。EmotiB可以无线传输和本地记录来自多模式传感器群的数据，包括皮肤电活动（EDA）、多波长PPG、医疗级温度传感器、9轴IMU以及越来越多的衍生指标。该软件是开源的，数据100%归用户所有，硬件设计与Adafruit Feather（Arduino）开源生态系统兼容，可以轻松感知身体几乎任何地方的生理信号。Vi deo n andP re se nt t 或g/10.1016/j。我的天啊。2023. 100181*通讯作者：内华达大学心理学系，里诺，里诺，内华达州89557，美国。电子邮件地址：seanmontgomery@unr.edu（S.M. 蒙哥马利）。h tt p：//dx. 多岛或g/10。1016/j。我的天啊。20 23。1 0 0 18 1收稿日期：2022年12月10日;收稿日期：2023年2月10日;接受日期：2023年3月7日可在线获取xXXX27 7 2 - 56 93/©2023TheA ut h or r. 由E lsevier L td提供。 这是一个操作过程，需要遵循C CBY指令（http：//c re ati ve c mmo ns. 或g/li ce nss/by/4. 0/）。可在ScienceDirect上获得目录列表科学讲座杂志首页：www.elsevier.es/sctalkS.M. Montgomery等人科学讲座6（2023）1001812图图1.一、 利用生物特征信号来获取内部环境。来自一系列设备的多模态生物特征数据可用于创建潜在生理，心理和情绪状态的签名[1]。现代机器学习算法可以将这些多模态生物特征签名转换为概率状态分类器[2]，并帮助理解一个人的内部环境。S.M. Montgomery等人科学讲座6（2023）1001813图二、 外围生理设备景观。目前可用的外围生理传感设备包括消费级设备，如FitBit和Apple Watch，以及研究级设备，如Empatica，Shimmer和BIOPAC。消费级设备是工程的奇迹，价格合理，但对使用黑盒算法计算的衍生数据的访问有限，限制了它们在新科学研究中的使用研究级设备提供了对原始数据的更多访问，但通常也位于封闭源代码和昂贵的基于许可的生态系统中。 QuantiBit弥合了这些差距，提供了对研究级原始数据的可负担的访问，这些数据在一个灵活的开源生态系统中由用户100%拥有，以释放更多的人，让他们提出更多关于身体和思想产生的生理信号的问题和新型问题。图3.第三章。 硬件设计。 ArdutiBit是开源Arduino生态系统的扩展，提供对研究级多模态生物特征数据的可定制访问。 ActutiBit使用已发布的电路架构[3]测量皮肤电活动（EDA），该电路架构经过工厂校准，可在较大的皮肤电导范围内提供高精度测量，与多种皮肤类型兼容。用于推导心率和其他心血管测量的光电容积描记（PPG）使用Maxim的金标准集成电路模块（MAX30101）采集。医用级热电堆（MLX90632）测量体温，Bosch加速度计、陀螺仪和磁力计测量9个轴的运动。数据记录到设备上的SD卡提供了用户100%拥有的数据的安全存储该设备还包括一个可定制的用户输入按钮，开放式访问额外的模拟和数字引脚，以及多个插槽的皮带，允许在任何方向上几乎任何地方都可以佩戴AntotiBit的身体。S.M. Montgomery等人科学讲座6（2023）1001814图四、例如封闭获取生物特征数据的大量挑战。 在（A）中可以看到原始PPG数据的示例，其中运动伪影（以红色突出显示）可能会导致心率和心率变异性的错误计算。B-E显示了基于公开数据[4，5]的曲线图，比较了由副交感神经（B，D;仰卧休息）和交感神经（C，E; 90度头向上倾斜）自主神经系统平衡主导的行为期间的心率数据响应交感神经递质激活的心率变化（在B、C中测量为R-R间期）表现出高频波动的减少，可以从导数功率谱密度（在D、E中的PSD）中量化为更高的LF/HF比。然而，消费级设备采用的平滑算法提供了不受运动伪影干扰的漂亮心率数字，可能会虚假地过滤掉休息期间的高频心率变化（红色突出显示），导致交感神经激活的虚假相似因此，很难评估这种数据失真何时可能导致夸大、低估甚至与任何给定实验范式中的事实相反的解释。消费级设备的生物识别算法也可以在不通知的情况下随时改变，并可能进一步损害科学调查的结论S.M. Montgomery等人科学讲座6（2023）1001815图五、 E X示例项目使用的BitcointiBit。 BitcointiBit的创建是为了使更多的人能够提出更多的问题和关于他们身体生物特征信号的新类型的问题。从杜克大学的计算机科学入门课程，纽约市的互动艺术，以及“把你的心戴在袖子上”的DIY项目表1AQUITIBIT传感器的信噪比评估估计目标信号幅度以覆盖从心跳相关脉搏波（PPG）、皮肤电导响应（EDA）、身体的物理运动（加速度计）和体温的临床相关波动观察到的幅度的范围 通过将器械从体内取出，将EDA电极导线与1 MOhm电阻器连接在一起，并在器械静止放置在可移动表面上的同时记录数据1分钟，来估计均方根（RMS）噪声。对于每个信号，RMS噪声计算为平均值（信号-平均值（信号））2。信噪比（SNR）表示信号幅度的范围除以RMS噪声。 通过在广泛的多模式传感中提供高信噪比信号，ActutiBit可以捕捉生理状态的详细图像，以了解身体，认知和情绪的变化。PPG（计数）EDA（uS）加速度计（G）温度（°C）信号100–10000.002-0.020.8-80.2-2均方根噪声4.610.000470.00120.062SNR21-217：14.26-42.6：1667-6667：13.2-32:1CRediT作者贡献声明Sean M.蒙哥马利：概念化，方法，软件，验证，资源，写作-原始草案，可视化，监督，项目管理，资金获取。Nitin Nair：概念化，方法论，软件，验证，写 作 & 评 论 编 辑 ， 可 视 化 。 概念 化 ，方 法 论， 验 证， 资 源， 写 作&Suzanne Dikker：概念化，方法论，验证，资源，写作&数据可用性数据将根据要求提供致谢这项工作得到了Connected Future Labs和CreativeIndustries FundNL的支持。申报利益作者声明以下经济利益/个人关系可能被视为潜在的竞争利益：NitinNair报告称，Connected Future Labs提供了财务支持肖恩·蒙哥马利（Sean Montgomery）报告了与Connected Future Labs的关系，包括：股权或股票。引用[1] P. 拉尼角Liu，N.Sarkar，E.Vanman，机器学习技术在人机交互中的情感识别的实证研究Anal. 应用 9（1）（2006年5月）5 8- 6 9，h t t p s：/ / d o i. 或g/10。10 07/s 10 0 44 -006 -0 0 2 5-y。[2] H. 蔡，Y.林志玲，虚拟驾驶环境中驾驶员情绪与任务绩效的建模，国际汽车工程师学会。Comput. Stud.69 （ 9 ） （ 2011 年 8 月 ） 571 https://doi.org/-586 ， www.example.com10.1016/j.ijhcs.2011.05.003。[3] R. Zangróniz，A.Martínez-Rodrigo，J.牧师，M。López，A.Fernánal-Caballero，用于平静/遇 险 状 态 分 类 的 皮 肤 电 活 动 传 感 器 ， 传 感 器 17 （ 10 ） （ 2017 年 10 月 ） 2324 ，https://doi.org/10.3390/s17102324。[4] T. F. 的大肠S. 梭了N.A. 电生理学，心率变异性：测量标准，生理解释和临床应用，循环93（5）（3月）。1996）1 0 4 3- 1 0 6 5，h t t p s：// d o i. 或g/10。1161/01。CIR。九点三。五、1043.S.M. Montgomery等人科学讲座6（2023）1001816[5] G. Bernal，S.M.Montgomery，P.Maes，Brain-computer interfaces，open-source，and de-democratizing the future of augmented consciousness，Front。Comput. Sci. 3（Apr. 2021），661300，https：//doi. 或g/10。33 89/FCOMP 2021。661300.Sean M.蒙哥马利，自从完成他的博士学位。在神经科学领域，Sean Montgomery的工作促进了学术界和工业界之间的跨学科协作，在科学和工程期刊上发表文章，并领导团队开发从消费设备到交互环境的产品。他目前是内华达大学里诺分校的研究员，研发工程公司Connected Future Labs的创始人兼工程总监，以及生物识别可穿戴设备的创造者。他拥有从电路到数据科学的广泛工程领域的专业知识，并拥有利用嵌入式生物传感器结合机器学习算法检测不断变化的身体和心理生理状态的可穿戴和非可穿戴产品的专利。Nitin Nair于2019年从纽约大学Tandon工程学院获得EE硕士学位，专攻信号处理，计算机视觉和机器学习，专注于3D图像分析。作为本科学习的一部分，他在机器人领域有着广泛的工作经验，并在嵌入式平台方面拥有丰富的经验。在纽约大学，他是Yao Wang教授的视频实验室的一员，在那里他致力于创建新的深度学习方法来检测小鼠胚胎大脑的表型。他于2019年加入Connected Future Labs，并自项目成立以来一直致力于开发Bitcoin 他 是 XuantiBit 的 首 席 硬 件 设 计 师 ， 致 力 于 改 进XuantiBit平台的软件支持Phoebe Chen是纽约大学心理学认知感知项目的研究生。&她对人际同步和语言处理与计算焦点感兴趣。她开发了在实验室和自然环境中研究脑间同步的工具箱，并与艺术家和研究人员合作进行此类探索。目前，她正在研究词的组成与建模和行为实验。Suzanne Dikker的作品融合了认知神经科学、表演艺术和教育。她使用作为马克斯·普朗克-纽约大学语言，音乐和情感中心（CLaME）的研究教授，阿姆斯特丹自由大学临床心理学系的副 教 授 ， 以 及 艺 术 / 科 学 集 体 OOPHIK + DIKKER 的 成 员 ，Suzanne领导了各种项目，包括MindHive，一个支持社区倡议的公民科学平台，以及人类大脑和行为研究的学生-教师-科学家伙伴关系
我的内容管理
展开
