通过使用神经网络的眼动和加速度计数据自动检测日常生活活动

科学领域:

• 生物医学工程 生物医学工程
• 人工智能的人工智能
• 神经科学是一个神经科学.

背景情况:

• 早期诊断像阿尔茨海默氏症这样的神经退行性疾病对于患者护理至关重要.
• 功能尺度评估日常生活活动,但需要客观量化.
• 轻度认知障碍通常首先影响计划任务.

研究的目的:

• 开发一个自动歧视和客观量化日常生活活动的系统.
• 训练神经网络以识别与功能尺度相关的14种特定活动.
• 评估眼动和加速度计数据对活动识别的影响.

主要方法:

• 训练有素的神经网络,包括定制和既定架构,来自CAVA设备的传感器数据 (眼动,加速度计).
• 使用的频域识别特征用于分类.
• 进行了10倍的交叉验证实验.

主要成果:

• 使用Gated Recurrent Units实现了64.1%的峰值平均精度和75.3%的最高精度.
• 与单独的加速度计数据相比,将眼动数据纳入数据改善了近9%的歧视.
• 当测试对象被排除在训练数据之外时,准确性下降,这可能是由于数据集的大小.

结论:

• 眼动数据显著增强了日常活动的歧视.
• 神经网络适用于客观量化日常生活活动.
• 这项技术对早期发现认知衰退具有前途.