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) .
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?
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.
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.
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
AliceD
Robin Kramer-ten Have
AliceD
Steven Jeuris