通过现代技术进行实验研究,更好地评估日常跌倒风险
Jason Moore1, Sam Stuart2, Peter McMeekin3
1Department of Computer and Information Sciences, Northumbria University, Newcastle upon Tyne, UK.
Lancet (London, England)
|November 24, 2023
概括
人工智能与视频眼镜相结合, 提供了一种有前途的新方法来评估老年人跌倒的风险. 这项技术捕获环境数据以提高跌倒风险预测的准确性,提高安全性和促进独立生活.
科学领域:
- 老年学
- 计算机科学
- 公共卫生
背景情况:
- 与年龄相关的移动性问题和虚弱性增加了跌倒风险,这对公众健康构成了重大挑战.
- 目前的临床跌倒风险评估是有限的,因为它们没有捕捉到习惯性活动或环境因素.
- 现有的客观移动追踪器缺乏对全面落风险评估至关重要的环境数据.
研究的目的:
- 开发和评估使用人工智能和视频眼镜的落风险评估新方法.
- 将环境数据采集纳入落风险评估中,以克服当前方法的局限性.
- 通过将人工智能与可穿戴技术相结合,提高跌倒风险评估的准确性和全面性.
主要方法:
- 开发了人工智能模型,包括卷积神经网络 (CNN),用于环境和地形类型检测的大量图像数据集.
- 使用视频眼镜捕获参与者的真实数据, 实现环境和潜在跌倒危险的自动标记.
- 实施了CNN物体检测算法,以识别被捕获的视频数据中的特定落危险.
主要成果:
- 基于人工智能的框架在降落风险评估中显示出有前途的效率和准确性.
- 在各种步行条件和地形上,框架的组件准确度超过75%.
- 在识别落风险方面,AI的平均精度为0.93.
结论:
- 人工智能视频眼镜提供了一种现代,道德和保护隐私的降落风险评估方法.
- 这项技术有潜力显著改善老龄化人口的健康状况和生活质量,
- 未来的研究将专注于在现实世界家庭环境中部署人工智能,以进一步验证其有效性.
