释放智能手机和环境传感器在ADL检测方面的潜力

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 老年学是一门学科.

背景情况:

• 准确检测日常生活活动 (ADL) 对于老年人护理和健康监测至关重要.
• 现有的方法往往缺乏隐蔽性,或在同时检测活动时遇到困难.

研究的目的:

• 开发和评估使用智能手机数据和环境传感器检测ADL的新方法.
• 通过将其作为一个多标签问题来解决检测多个并发ADL的挑战.
• 通过使用未标记的数据和混合传感方法来提高ADL检测的准确性.

主要方法:

• 利用智能手机传感器数据作为ADL检测的主要来源.
• 在智能家居环境中集成来自环境传感器的数据,以补充智能手机数据.
• 采用长期短期记忆 (LSTM) 模型,并将ADL检测定义为多标签问题.
• 纳入未标记的数据以提高模型准确性,并对真实数据集的性能进行评估.

主要成果:

• 仅凭智能手机数据就取得了令人满意的ADL检测结果 (超过50%的真实阳性率和平衡的准确性).
• 整合环境传感器平均提高了7%的平衡精度和8%的真正率.
• 多重标签方法有效地检测了同时发生的活动,反映了现实世界的场景.

结论:

• 利用智能手机数据为ADL检测提供了一种方便且非侵入性的方法.
• 结合智能手机和环境传感器数据,可显著提高ADL检测系统的准确性和稳定性.
• 开发的方法和开放式数据集有助于推进对老年人保密护理和健康监测的研究.