一个语义框架来检测日常生活活动中的问题,通过智能家居传感器监控

科学领域:

• 老年学是一门学科.
• 计算机科学 计算机科学
• 人工智能的人工智能

背景情况:

• 日常生活活动 (ADL) 对于独立生活至关重要.
• 监测ADL对于评估健康和认知能力下降至关重要,特别是在老年人群中.
• 现有的ADL监测方法往往缺乏检测微妙行为变化的细粒度.

研究的目的:

• 通过智能家居传感器数据来检测ADL执行问题的新意义框架.
• 将原始传感器数据转化为知识图,用于高级分析.
• 为临床医生提供一种工具,用于监测痴呆症患者的ADL性能恶化.

主要方法:

• 利用语义网络技术,包括本体学,RDF和三重商店来构建知识图.
• 使用SPARQL查询来定义明确的规则来识别有问题的ADL行为.
• 在试点研究中,综合了来自各种智能家居传感器和设备的数据.
• 开发了一个临床医生仪表板,用于可视化监测结果.

主要成果:

• 成功地将原始传感器数据转化为结构化知识图.
• 通过定义的规则,证明了检测有问题的ADL执行模式的能力.
• 从显式数据生成关于ADL表现的隐式知识.
• 在临床医生仪表板上可视化监测结果.

结论:

• 拟议的语义框架有效地使用智能家居传感器监控ADL性能.
• 这种方法为临床医生提供了一种全面的方法来识别和描述痴呆症患者的有问题的行为.
• 该框架有助于早期发现ADL恶化,支持及时干预.