通过自由手写指标的年龄组歧视
IEEE journal of biomedical and health informatics
|August 15, 2024
概括
这项研究使用仪器笔来分析手写,以早期检测不健康的衰老. 机器学习准确地识别了微妙的变化,使老年人能够主动照顾老年人.
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
- 机器学习 机器学习
背景情况:
- 衰老与认知和功能衰退有关,影响日常生活.
- 早期发现不健康的衰老至关重要,但由于与正常衰老的相似之处,具有挑战性.
- 慢性疾病可以加速与年龄相关的衰退.
研究的目的:
- 开发一种早期查方法,用于健康老龄化,使用手写分析.
- 在不同年龄段 (40-59岁,60-69岁,70岁以上) 评估手写表现.
- 区分正常的衰老和潜在的不健康衰退.
主要方法:
- 使用仪器墨笔从60名健康受试者收集原始的手写数据.
- 从手写中提取了与手势和震有关的14个指标.
- 在跨年龄组的二进制分类任务中使用机器学习算法.
主要成果:
- 在区分早期衰老和老年受试者之间实现了高精度 (97.5%),F1得分 (97.44%),ROC-AUC (95%).
- 在手写和震指标中确定了年龄相关的敏感性.
- 沙普利的价值分析证实了特定指标的重要性.
结论:
- 拟议的手写分析方法对早期检测异常衰老迹象充满希望.
- 这种非侵入性的远程监测方法可以改善老年人的护理.
- 该技术支持无监督的家庭监测,以积极主动地管理健康.
更多相关视频
05:52Handwriting Analysis Indicates Spontaneous Dyskinesias in Neuroleptic Naïve Adolescents at High Risk for Psychosis
Published on: November 21, 2013
14.9K
10:13Assessment of Age-related Changes in Cognitive Functions Using EmoCogMeter, a Novel Tablet-computer Based Approach
Published on: February 14, 2014
13.7K
