转变疲劳评估:基于智能手机的系统与数字化运动技能测试
Elli Valla1, Ain-Joonas Toose1, Sven Nõmm1
1Department of Software Science, School of Information Technology, Tallinn University of Technology (TalTech), Akadeemia tee 15a, 12618, Tallinn, Estonia.
International journal of medical informatics
|July 27, 2023
概括
这项研究表明,智能手机可以使用运动技能数据和机器学习来检测疲劳. 开发的系统达到70%以上的准确性,为疲劳测量提供了一种方便的方法.
科学领域:
- 生物医学工程 生物医学工程
- 数字健康数字健康
- 机器学习应用 机器学习应用
背景情况:
- 疲劳是一种复杂的疾病,影响身体,精神和心理健康.
- 智能手机系统为非侵入性疾病监测和诊断提供了潜力.
研究的目的:
- 评估使用智能手机收集运动技能数据以检测疲劳的可行性.
- 为客观的疲劳评估开发机器学习模型.
- 提供关于疲劳的见解,并支持干预开发.
主要方法:
- 开发了一个安卓应用程序,用于动力技能数据收集的反应和螺旋测试.
- 收集了41名受试者的数据,包括来自运动技能测试的数字信号.
- 在提取的特征上训练了六个机器学习分类器,用于疲劳状态预测.
主要成果:
- 介绍了用于未来研究的智能手机疲劳数据集.
- 开发了一个疲劳预测模型,使用60个特征 (动力学,角度,基于目标的,震动).
- 在疲劳预测中实现了>70%的准确性,>90%的灵敏度和>80%的f1得分.
结论:
- 基于智能手机的运动数据采集适用于不受控制的环境.
- 该系统对客观和方便的疲劳测量非常有希望.
- 这种方法可以帮助制定更有效的疲劳管理策略.
