相关实验视频
Updated: Jul 19, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
机器学习方法的比较,用于近落探测与运动传感器
Sandra Hellmers1, Elias Krey1, Arber Gashi2
1Assistance Systems and Medical Device Technology, Department for Health Services Research, Carl von Ossietzky University, Oldenburg, Germany.
Frontiers in digital health
|August 11, 2023
概括
在老年人中检测近乎跌倒的情况,可以帮助预防跌倒. 使用左手腕上的惯性测量单元 (IMU) 的机器学习模型在识别这些高风险事件方面取得了很高的准确性.
科学领域:
- 老年学是一门学科.
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 布是老年人急诊医院的首要原因.
- 早期识别跌倒风险,通过接近跌倒的事件发出信号,对于及时干预至关重要.
研究的目的:
- 研究机器学习模型,以检测老年人近跌事件.
- 分析传感器放置对接近落下检测准确性的影响.
主要方法:
- 模拟了接近跌倒的事件,使用扰动跑步机与87名受试者.
- 在七个身体位置使用惯性测量单位 (IMU) 记录数据.
- 评估了各种机器学习模型:支持矢量机器,AdaBoost,卷积神经网络和双向长短期记忆网络.
主要成果:
- 该DeepConvLSTM模型实现了最高的性能,F1得分为0.954.
- 通过将传感器放置在左手腕上 (精度为0.969,回忆为0.942) 实现了最佳检测.
结论:
- 机器学习,特别是使用左手腕IMU数据的DeepConvLSTM,显示出对准确的近跌探测有很大的希望.
- 为了评估实际适用性,需要在现实世界,现场设置中进一步验证.
