基于可穿戴生物传感器数据预测自闭症情绪崩溃：经典机器学习与深度学习模型的比较研究

一项预印本研究比较了五种机器学习与深度学习模型在预测自闭症儿童情绪崩溃上的效果，数据来自 Autism Together Hackathon Dataset（2022），由 8 名自闭症参与者佩戴 Empatica E4 腕带采集。数据集包含加速度计（ACC）、血容量脉搏（BVP）、皮肤电活动（EDA）、心率（HR）、心搏间期（IBI）和外周皮肤温度六类生理信号，以 1 秒间隔采样约一天，共产生 690,854 条观测记录和 43 次有记录的情绪崩溃事件。研究将信号切分为 60 秒窗口、步长 30 秒，并标注未来 5 分钟内是否发生情绪崩溃，比较了逻辑回归、随机森林、CNN、LSTM 及 CNN-LSTM 混合架构五种模型，并与 Vos 等（2023）、Ali 和 Saravanan（2023）、Singh（2022）的研究进行了方法学与结果对照。