Open-Source-Software zur Analyse der elektrodermalen Aktivität

Die elektrodermale Aktivität (EDA) ist ein Maß für die sympathische Aktivität, die typischerweise durch Stress oder einen emotionalen Zustand verursacht wird. Analyse ist kein einfacher Prozess wie die Analyse von Reaktionszeiten. Es erfordert einige ausgeklügelte Algorithmen, um zwischen tonischer Aktivität (Galvanic Skin Level; GSL) und phasischer Aktivität (Galvanic Skin Responses; GSRs; siehe Abbildung 5) zu unterscheiden. Für eine ausführlichere Erläuterung von EDA und wie man es analysiert, siehe Bouscein (2012) .

Geben Sie hier die Bildbeschreibung ein

BioPac ( Braithwaite, 2013 ) und Movisens bieten Software-Toolboxen zur Analyse dieser Daten an, aber das sind kostspielige Pakete. Ledalab und PsPM sind Open-Source-Matlab-Toolboxen, die auch GSL und GSRs vorverarbeiten und quantifizieren können. Leider ist Matlab selbst nicht Open Source und ziemlich teuer. Gibt es andere kostenlose Lösungen, mit denen Sie EDA-Daten analysieren können, z. B. Python- oder R-Pakete?

Bouscein, W., Roth, WT, Dawson, ME, & Filion, DL (2012). Publikationsempfehlungen für elektrodermale Messungen. Psychophysiologie, 49, 1017-1034.

Habt ihr kein Geld ;-) Ich bin mir nicht sicher, wo ihr seid, aber wenn ihr mit einer (richtigen :-) Uni zusammenarbeitet, könnt ihr Matlab umsonst in die Hände bekommen. Die Uni Utrecht hat zum Beispiel eine institutionelle Lizenz. Bilden Sie Paare, arrangieren Sie ein Besuchsstipendium oder was auch immer. Sie brauchen die Werkzeuge, um zu arbeiten.
@Christiaan Das Unternehmen hatte MatLab und SPSS, hatte aber schlechte Erfahrungen in Bezug auf Support und Lizenzierung usw. Sie suchen daher nach besseren (und kostenlosen) Alternativen wie Python oder R. Ich werde ihnen jedoch definitiv den Vorschlag machen, eine Partnerschaft einzugehen , aber ich bin nur für kurze Zeit Praktikant (Praktikumsstelle), also muss ich schnell produzieren ;)
Prüfen. Ich verstehe
Ich hatte genau diese Frage im Rahmen meiner Promotion und endete damit, eine Testversion von Matlab und Ledalab zu verwenden. Am Ende habe ich meine GSR-Daten aus meiner Diplomarbeit gestrichen. :)

Antworten (1)

Ich habe eine Liste von Python- und Matlab-Paketen gefunden. Ich fasse sie hier zusammen. Sobald ich die Pakete durchgesehen habe, werde ich einige zusätzliche Details bereitstellen.

Online

  • edaExplorer : Auch in Python.*
    EdaExplorer ist ein Werkzeug, das verrauschte Daten aus sauberen Daten erkennen kann. Es werden fünf zweite Epochen erstellt, die durch ein Modell kategorisiert werden, das das Ergebnis eines überwachten maschinellen Lernalgorithmus (einer Support-Vektor-Maschine) ist. Die Daten können binär (sauber vs. verrauscht) oder mehrklassig (sauber, zweifelhaft oder verrauscht) markiert werden. Die verrauschten Daten können anschließend entfernt werden. Darüber hinaus ist edaExplorer in der Lage, Peaks (GSRs) zu finden, und Sie können Epochen kennzeichnen, indem Sie durch die Daten gehen.

Python

  • * edaExplorer :
  • cvxEDA : Auch in Matlab.**
    cvxEDA verwendet ein konvexes Optimierungsverfahren, um die Daten in drei Komponenten zu trennen: (1) eine tonische Komponente, (2) eine phasische Komponente und (3) einen Rauschterm. Der Rauschterm ist einfach eine Folge von nullgemittelten Gaußschen Zufallsvariablen mit Varianz σ 2 . Die phasische Komponente wird durch die Faltung von sudomotorischen Nervenimpulsen bestimmt. Die tonische Komponente ist alles, was übrig bleibt, langsam variierende Änderungen der Leitfähigkeit. Die Funktion ist physiologisch plausibel und hat gezeigt, dass sie die kontinuierliche Dekonvolutionsanalyse (CDA), wie sie in Ledalab implementiert ist, übertrifft.
  • PyPsy 0.1.1 oder PyPsy 0.1.5 :
  • ...

R

  • ...

Java

  • ...

Matlab

Die meisten Pakete stammen von http://affect.media.mit.edu/software.php . Die Website bietet Tools zur Analyse verschiedener anderer Dinge, wie z. B. Gesichtserkennung. Reinschauen lohnt sich auf jeden Fall.

Verweise

edaExplorer: Taylor, S., Jaques, N., Chen, W., Fedor, S., Sano, A., & Picard, R. Automatische Identifizierung von Artefakten in elektrodermalen Aktivitätsdaten . In Engineering in Medizin und Biologie Konferenz. 2015.

cvxEDA: A Greco, G Valenza, A Lanata, EP Scilingo und L Citi. cvxEDA: a Convex Optimization Approach to Electrodermal Activity Processing , IEEE Transactions on Biomedical Engineering, 2015. DOI: 10.1109/TBME.2015.2474131

edaSleep: Akane Sano, Rosalind W. Picard, Toward a Taxonomy of Autonomic Sleep Patterns with Electrodermal Activity , IEEE EMBC 2011, Boston, USA, August 2011

Hallo, gibt es ein Paket in Java?
@PrashanthDebbadwar nicht, dass ich wüsste. Ich weiß, dass es möglich ist, Python-Skripte von Java aus aufzurufen. Siehe zum Beispiel stackoverflow.com/q/8898765/6161587 oder stackoverflow.com/questions/22697315/… .
Open-Source-Software zur Analyse der elektrodermalen Aktivität
AntwortenHierDatenschutz-Bestimmungen1y, 0v