受人工智能启发的智能办公环境中的焦虑检测：网络双生体视角

《ACM Transactions on Intelligent Systems and Technology》：Artificial Intelligence-Inspired Anxiety Detection in Smart Office: Cyber Twin Perspective

数字孪生技术在医疗领域应用，构建智能架构分析焦虑症患者的视觉、行为及生理数据，结合时间数据挖掘和量子概率技术实现异常检测，通过多层卷积神经网络预测健康脆弱指数并建立预警系统，在82355例真实数据测试中各项指标优于现有方法。

　　

摘要

网络孪生技术作为商业模拟建模中的一个成功分支，如今正被应用于医疗保健领域。本文提出了一种受网络孪生技术启发的智能架构，旨在研究患有焦虑症的人在智能办公环境中工作时所经历的独特视觉、行为和生理反应。该架构利用时间数据挖掘技术对数据进行处理，并采用量子概率方法进行异常检测。此外，还引入了一种新型的多层卷积神经网络来预测可量化的健康脆弱性指数。系统还包含一个智能警报系统，能够及时向护理人员通报任何健康问题，从而提供及时的帮助。为了评估该策略的有效性，研究人员使用包含82,235个案例的真实世界数据对其进行了测试。测试结果表明，该方法在多个关键性能指标上表现出色：时间效率（24.6秒）、分类效率（精确度92.77%、特异性92.43%、敏感性92.82%）、决策效率（准确率79%）、错误率（0.31%）以及稳定性（75%），均超过了当前最先进的方法。