基于AI的新型混合方法：利用级联卷积神经网络与阈值优化的随机森林进行应力严重程度检测

《Scientific Reports》：AI-based novel hybrid approach for stress severity detection using cascaded CNN and threshold-optimized random forests

　　

摘要

适度压力有助于预防慢性疾病、提升个人智力水平并改善生活质量。许多研究都探讨过基于计算机的压力预测方法。然而，目前的研究尚未提出任何全面或通用的早期干预及个性化健康保障方案。本研究提出了一种运用机器学习和深度学习的独特压力检测方法。该方法通过新型数据集，将面部图像处理与血压、心率、血糖和血氧等生理数据相结合。我们采用多任务级联卷积神经网络来识别面部关键点，并计算其欧几里得距离以优化特征表示。为完善压力检测数据集，还纳入了生理数据。为此，我们设计了一套新的处理流程，包括分层交叉验证、合成少数类过采样，以及对支持向量机、KNN、决策树、随机森林和XGBoost模型的细致调优。通过优化阈值，可确保所有类别的性能都能达到最佳状态。最终，基于MTCNN算法的面部关键点距离分析结合相关生理参数，得到了最优模型效果：测试集的F1宏观得分达94.81%，准确率为96.13%。这项工作为压力检测提供了一种有前景的框架，同时也凸显了新型面部特征、合成类平衡技术、模型选择以及有效的验证策略在构建通用且精准的预测模型、用于健康监测任务中的重要性。