基于日常生活功能活动的自动认知健康评估

科学领域:

• 老年学是一门学科.
• 计算机科学 计算机科学
• 人工智能的人工智能

背景情况:

• 老年人中痴呆的患病率正在上升,需要先进的早期检测方法.
• 智能家居技术提供了持续监测和支持现场老化的潜力.
• 目前的痴呆症检测方法往往缺乏及时干预所需的性能.

研究的目的:

• 提出一种自动认知健康评估方法,用于在老年人中早期发现痴呆症.
• 为了利用机器学习和深度学习技术应用于智能家居环境中的日常生活活动.
• 与现有技术相比,提高痴呆症检测的准确性和性能.

主要方法:

• 利用CASAS数据集,记录住户在智能家居环境中的日常生活活动.
• 实现并比较了四种机器学习算法:决策树 (DT),天真贝叶斯 (NB),支持矢量机 (SVM) 和多层感知器 (MLP).
• 采用深度神经网络 (DNN) 来对健康个体与痴呆症患者进行二元分类.

主要成果:

• 多层感知器 (MLP) 分类器在检测痴呆症方面实现了96%的高准确率.
• 机器学习分类器在基于现实活动数据的认知健康分类方面表现出强的表现.
• 该研究验证了使用日常活动自动分析进行认知评估的有效性.

结论:

• 机器学习分类器在痴呆症检测方面非常有效,特别是当应用到现实世界智能家居活动数据集时.
• 提出的自动认知健康评估方法显示了早期和准确的痴呆症诊断的巨大潜力.
• 与人工智能集成的智能家居技术为支持健康衰老和及时认知健康干预提供了可行的途径.