在老年人中预测基于计算机的认知训练计划的坚持:对域调整和深度学习的研究
Ankita Singh1, Shayok Chakraborty1, Zhe He2,3
1Department of Computer Science, Florida State University, Tallahassee, FL, United States.
JMIR aging
|September 16, 2024
概括
这项研究使用深度学习和域调整来预测老年人何时可能停止认知训练. 这些方法准确地预测了坚持失效的情况,为个性化支持系统铺平了道路,以改善参与度和认知健康.
科学领域:
- 老年学和认知科学 认知学和认知科学
- 人工智能和机器学习
- 医疗信息学 医疗信息学
背景情况:
- 认知障碍和痴呆症对老年人口构成重大挑战,影响自主性和生活质量.
- 越来越多的老年人口给医疗保健和经济系统带来了压力.
- 对于老年人来说,坚持计算机化认知训练程序往往是困难的.
研究的目的:
- 为了提高预测老年人认知训练中的坚持缺陷的准确性.
- 开发个性化的坚持支持系统,以提高参与度.
主要方法:
- 利用了两项先前的认知训练研究的数据.
- 使用深层卷积神经网络进行模式识别和预测.
- 应用域调整 (DA) 通过利用类似的用户模式来克服有限的个人培训数据.
- 将时间序列数据转换为图像格式,使用格拉米安角场在DA中进行参与者聚类.
主要成果:
- 深度神经网络和DA在预测坚持失效方面表现出显著的潜力.
- 域调整在三个研究和两个独立数据集中始终产生了最高的准确性.
结论:
- 深度学习和DA技术可以支持创建认知训练和其他健康干预措施的坚持系统.
- 这些方法可以提高参与度,最大限度地提高干预效益,提高认知能力下降风险的人的生活质量.
- 提供有效干预措施的发展信息,以改善与衰老相关的条件,使个人和社会受益.
