パーソナライズドヘルスケアのための軽量アンサンブル学習を用いたエッジ支援レーダーベース運動フォーム分類

科学分野:

• 生体医工学
• 信号処理
• 機械学習

背景:

• リアルタイム、非接触の運動フォームモニタリングは、個別化されたリハビリテーションにとって重要です。
• カメラやウェアラブルなどの既存の方法は、プライバシーと堅牢性の課題に直面しています。
• エッジコンピューティングは、オンデバイス処理とデータプライバシーのソリューションを提供します。

研究 の 目的:

• mmWaveレーダーを使用した、個別化されたリアルタイム運動フォームモニタリングのためのエッジ支援システムであるRehabRadarを開発および評価すること。
• 運動実行を正しいか、一般的なエラータイプを特定するかを分類すること。
• リソースが制約されたハードウェアでのオンデバイス展開のためにシステムを最適化すること。

主な方法:

• データ取得のためにTI IWR1642 mmWave FMCWレーダーを使用しました。
• レンジゲーティングとFIRハイパスフィルタリングを含む信号処理パイプラインを実装しました。
• 後融合による並列推論のためにハイブリッドアンサンブルモデル（MobileNetV3およびCNN-LSTM）を採用しました。
• プルーニングとINT8量子化を使用してRaspberry Pi 4B用にモデルを最適化しました。

主要な成果:

• 10人の健康な成人を対象とした概念実証研究で、91.5%の精度と92.0%のマクロF1スコアを達成しました。
• ほぼリアルタイムのフィードバックのために、平均オンデバイスエンドツーエンド遅延を1.5秒と実証しました。
• 最終モデルは2.1 MBのフットプリントを持ち、すべての処理はオンデバイスで行われます。
• フィードバック後に生レーダーデータは破棄され、データプライバシーが保証されます。

結論:

• RehabRadarは、エッジ制約下でのmmWaveレーダーを使用した、個別化されたオンデバイス運動エラー検出の実現可能性を示しています。
• このシステムは、プライベートで非接触な在宅リハビリテーションのために、精度、遅延、フットプリントのバランスをとっています。
• 臨床的有効性と多様な集団および運動全体での一般化可能性については、さらなる検証が必要です。
• この研究は、リハビリテーションアプリケーションのためのIoTヘルスケアにおける分散学習を進歩させます。