通过整合物联网传感器和人工智能技术来实现远程患者活动监控系统

科学领域:

• 生物医学工程 生物医学工程
• 物联网 (IoT) 的物联网 (IoT) 的物联网.
• 人工智能 (AI) 是一种人工智能.

背景情况:

• 患者监测,特别是对弱势群体和COVID-19病例的监测,存在重大挑战.
• 现有的工具难以实时跟踪生命体征和患者位置.

研究的目的:

• 开发和评估可穿戴物联网设备,用于持续监测COVID-19重要指标.
• 实施实时GPS跟踪,以遵守隔离措施,并向医疗当局发出自动警报.
• 在监控系统中引入一种新的深度神经网络,用于识别人类活动.

主要方法:

• 一个三层架构,包括可穿戴物联网传感器,云数据处理和Android移动应用程序.
• 整合了一种新的深度神经网络,CNN-UUGRU,结合了卷积和更新的封闭循环单元来进行活动识别.
• 实时数据分析用于生命体征评估和GPS跟踪用于位置监控.

主要成果:

• 在各种数据集上,CNN-UUGRU模型实现了高精度 (97.7%),精度 (96.8%) 和F测量 (97.75%).
• 该系统成功监测了重要指标,并跟踪了患者的GPS数据.
• 与现有的深度神经模型和产品相比,该系统表现出卓越的性能.

结论:

• 拟议的可穿戴物联网系统为远程患者监测和隔离管理提供了有效的解决方案.
• 集成的CNN-UUGRU模型显著提高了人类活动识别能力.
• 这项技术有望改善医疗保健和公共卫生监测,特别是在流行病期间.