基于生物传感器的多模式深层人类运动通过医疗保健物联网解码
Madiha Javeed1, Maha Abdelhaq2, Asaad Algarni3
1Department of Computer Science, Air University, Islamabad 44000, Pakistan.
Micromachines
|December 23, 2023
概括
一个新的深度神经网络模型使用医疗保健物联网 (IoHT) 设备改进了人类运动解码. 这种先进的系统通过准确识别日常活动来提高电子医疗保健,以便更好地监测患者.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 医疗保健物联网 (IoHT) 设备用于电子医疗保健中解码人类运动.
- 目前的模型由于不同的数据和技术而面临精度下降.
- 不同的测量条件会影响日常常规监测的准确性.
研究的目的:
- 提出一种新的深度神经网络模型,用于准确解码人类运动.
- 通过改进活动识别来增强电子医疗应用.
- 解决现有模型在处理各种传感器数据方面的局限性.
主要方法:
- 采用基于四子的过方法来处理运动/环境数据,以及用于视频数据的骨架建模.
- 使用基于图形的表示和高斯马尔科夫随机字段学习描述符.
- 采用高斯混合回归用于代码书提取和循环神经网络用于分类.
主要成果:
- 在HWU-USP数据集上实现了82.22%的准确性.
- 在LARa数据集上实现了82.50%的准确性.
- 与以前的机动解码系统相比,已经显著改进.
结论:
- 拟议的基于IoHT的模型为人类活动识别提供了一个强大的解决方案.
- 该模型对于在电子医疗保健环境中进行不引人注目的监控是有效的.
- 这种方法提高了用于长期患者护理的机动解码的可靠性.
