相关实验视频
Updated: Jul 10, 2025

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
基于CNN的自我注意力重量提取用于秋季事件预测,使用平衡测试得分
Youness El Marhraoui1,2, Stéphane Bouilland3, Mehdi Boukallel4
1CLI Department, University of Paris 8, 93200 Saint-Denis, France.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
本研究引入了一种可解释的半监督方法,使用IMU传感器来识别老年人跌倒的风险. 该方法有效地检测出高跌倒概率的时刻,有助于早期预防策略.
科学领域:
- 老年学是指老年学的学科.
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 跌倒是老年人受伤,住院和死亡的主要原因.
- 早期识别那些有反复跌倒风险的人,对于有效的预防至关重要.
- 当前的方法可能缺乏解释性或需要广泛的标记数据.
研究的目的:
- 通过使用脚上的IMU传感器数据,评估一种可解释的半监督方法来识别老年人跌倒的风险.
- 为了利用跌落事件和平衡能力之间的关系来准确识别风险.
- 开发一种模型,可以在未标记的数据上进行训练,并提供可解释的见解.
主要方法:
- 使用可解释的半监督学习框架,使用安装在脚上的惯性测量单元 (IMU) 传感器的数据.
- 采用基于视觉的自我注意模型来推断跌倒事件与失衡之间的联系.
- 专注于识别垂直加速在短时间内超过5m/s2的时刻.
主要成果:
- 该模型成功地确定了秋季事件与平衡损失之间的关系.
- 对垂直加速的关键时刻分配了高度的注意力权重,这表明了跌倒的风险.
- 在1秒窗口内检测到71%的潜在跌倒风险事件,优于基于值的方法.
- 通过可穿戴设备减少了用于防摔的注释成本.
结论:
- 开发的半监督方法有效地识别高风险跌倒的老年人.
- 该模型的可解释性为医疗保健专业人员提供了宝贵的见解.
- 这种适应性工具可以显著提高大规模的,具有成本效益的防摔工作.

