在日常活动记录中使用加速度计数据进行磨损/非磨损分类的概念证明:合成算法利用零计数的概率和连续性
Natsumi Nishiyama1, Shoji Konda1,2, Issei Ogasawara1,2
1Department of Health and Sport Sciences, Graduate School of Medicine, Osaka University, Toyonaka, Osaka, Japan.
PloS one
|October 22, 2024
概括
一个新的合成分类算法通过分析零计数来区分磨损/无磨损时间来提高可穿戴传感器的准确性. 这种方法增强了对身体活动监测的活动估计.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 数据科学数据科学数据科学
背景情况:
- 可穿戴设备对于监测身体活动和久坐行为至关重要.
- 精确确定磨损/不磨损时间是具有挑战性的,因为加速度计的零计数,导致错误分类.
- 现有的方法难以处理零计数数据的细微差别,影响活动强度估计.
研究的目的:
- 开发和验证一种新的合成分类算法,用于准确的磨损/无磨损时间的确定.
- 用可穿戴传感器提高活动和久坐行为监测的精度.
- 解决目前用于分类加速计零计数数据的方法的局限性.
主要方法:
- 开发了一个合成分类算法,考虑了零计数的概率和连续性.
- 采集了12名办公室工作人员使用3轴加速度计的数据.
- 拟议的方法根据出现概率和连续零计数值对磨损时间进行分类,与目前的方法形成鲜明对比 (零计数>60分钟=不磨损).
- 评估涉及将方法与实际行为记录进行比较,使用基于模拟的增强数据.
主要成果:
- 与当前方法相比,拟议的方法在回忆 (0.95-1.00),特异性 (0.99-1.00),精度 (0.97-1.00) 和准确性 (0.98-1.00) 方面表现优越.
- 目前的方法实现了回忆 (0.93-1.00),特异性 (0.93-0.96),精度 (0.85-0.88) 和准确性 (0.94-0.97).
- 合成分类算法显著减少了非磨损时间作为磨损时间的错误分类.
结论:
- 新型合成分类算法准确区分可穿戴传感器的磨损/无磨损时间.
- 这种方法提高了办公室工作者的身体活动和久坐行为监测的可靠性.
- 这些发现支持采用先进的算法来提高可穿戴传感器数据质量.
