奥塔戈通过单一IMU和层次机器学习模型对老年人进行监测

科学领域:

• 老年学是一门学科.
• 生物医学工程 生物医学工程
• 康复科学 康复科学 康复科学

背景情况:

• 奥塔戈运动计划 (OEP) 对老年人的健康至关重要,但通过自我报告监测遵守是不可靠的.
• 可穿戴传感器和人类活动识别 (HAR) 提供了客观监测的潜力,但目前的系统对OEP的性能有限.
• 准确的OEP参与跟踪对于改善老年人群的脆弱性,肉症和平衡的结果至关重要.

研究的目的:

• 为监测老年人遵守奥塔戈运动计划 (OEP) 制定一个不引人注目的,准确的系统.
• 为了利用可穿戴的惯性测量单元 (IMU) 数据和深度学习,在现实环境中实现有效的人类活动识别 (HAR).

主要方法:

• 在实验室和家庭环境中收集了18名老年人的数据,使用单个腰部安装的IMU.
• 实施了两阶段的层次深度学习系统:第一阶段 (10分钟窗口) 将OEP与日常生活活动 (ADL) 区分开来;第二阶段 (6秒窗口) 确定了特定的OEP练习.
• 采用了滑动窗技术,以实现强大的活动识别.

主要成果:

• 第1阶段在识别OEP与ADL (窗口智能F1分数>0.95,IOUF1分数>0.85) 两种数据集中实现了高准确度.
• 第二阶段成功地在家庭环境中确定了四个OEP子类 (F1分数>0.8),包括脚脚下,腹肌,膝盖曲和坐立.
• 证明了在日常生活中使用单个IMU监测OEP合规性的可行性.

结论:

• 一个基于IMU的HAR系统可以有效地和不引人入胜地监测老年人与奥塔戈运动计划 (OEP) 的参与.
• 提出的层次深度学习方法显示了改善康复坚持和进一步分析特定运动表现的显著潜力.
• 这项技术为客观OEP合规性评估提供了一个有前途的解决方案,解决了传统自我报告方法的局限性.