StressNet: Hybrid model of LSTM and CNN for stress detection from electroencephalogram signal (EEG)

Everyday tasks can cause stress, which can lead to serious medical conditions, such as depression. EEG signal processing can assist medical professionals in managing the emotional state of patients. To detect stress states in EEG signals, we propose a new architecture, StressNet, which is a combinat...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Results in control and optimization Ročník 11; s. 100231
Hlavní autoři:	Mane, Swaymprabha Alias Megha, Shinde, Arundhati
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.06.2023 Elsevier
Témata:	Accuracy Azimuthal projection Brain–computer interfaces (BCIs) Convolutional neural network (CNN) Deep learning Electroencephalography (EEG) Human stress detection Long short-term memory (LSTM) Stress Deep learning Human stress detection Accuracy Electroencephalography (EEG) Brain–computer interfaces (BCIs) Convolutional neural network (CNN) Long short-term memory (LSTM) Stress Azimuthal projection
ISSN:	2666-7207, 2666-7207
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!