通过分布式摄像机网络和保护隐私的边缘计算来评估认知障碍的可行性

科学领域:

• 老年学是一门学科.
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 轻度认知障碍 (MCI) 的特点是认知能力下降超过正常衰老.
• MCI与减少社会参与和增加非定向运动有关.
• 自动行为分析可以增强对MCI的纵向监测.

研究的目的:

• 开发一种自动化系统,用于检测MCI患者的行为变化.
• 使用机器学习区分高和低认知功能MCI组.
• 评估使用保护隐私的摄像机网络用于MCI监控的可行性.

主要方法:

• 在室内环境中部署了一个分布式的,保护隐私的摄像机网络.
• 从收集的视频数据中提取了运动和社交互动特征.
• 训练了机器学习算法,将MCI患者分为不同的认知功能组.

主要成果:

• 在MCI高功能和低功能队列之间的运动和社会互动模式中观察到显著的差异.
• 关键的区分特征包括路径长度,步行速度,方向变化和组建频率.
• 一个机器学习模型在区分认知水平方面实现了71%的准确性,即使没有个人身份数据.

结论:

• 边缘计算和保护隐私的摄像头网络可以有效地区分MCI级别.
• 对运动和社会互动的行为分析为认知状态提供了有价值的见解.
• 这种方法为客观的MCI评估和监测提供了一种非侵入性的方法.