相关实验视频
Updated: Sep 15, 2025
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.8K
在临床环境中多模式检测痴呆症患者的激动:观察试点研究
Abeer Badawi1, Somayya Elmoghazy1, Samira Choudhury2,3
1Internet of Things (IoT) Research Lab, Department of Electrical and Computer Engineering, Ontario Tech University, 2000 Simcoe Street North, Oshawa, ON, L1G 0C5, Canada, 1-905-721-8668 ext. 7365.
JMIR aging
|July 15, 2025
概括
这项研究引入了一个新的系统,使用可穿戴传感器和视频分析来预测痴呆症患者的激动和攻击. 该系统实现了高精度,并且可以提前几分钟预测事件,改善痴呆症护理.
科学领域:
- 神经科学和老年学
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
背景情况:
- 痴呆症影响全球数百万人,经常导致焦虑和侵略 (AA).
- 目前的AA评估依赖于主观的护理人员报告,缺乏一致性.
- 需要客观可靠的方法来监测和预测痴呆症中的AA.
研究的目的:
- 开发和评估一种新的多式联络系统,用于预测严重痴呆症患者的激动和攻击 (AA) 情节.
- 将可穿戴传感器数据和保护隐私的视频分析集成到实时AA预测中.
- 在痴呆症护理中推进行为症状的积极管理策略.
主要方法:
- 一项试点研究涉及10名参与者,他们使用了结合可穿戴设备 (EmbracePlus腕带) 和基于视频的行为监测的系统.
- 面部特征被匿名化,深度学习模型被用于AA检测.
- 评估了各种机器学习和深度学习模型,以在两个数据流上获得最佳性能.
主要成果:
- 可穿戴传感器数据在额外树木模型 (个性化) 中达到高达99%的准确性,在多层感知器 (一般) 中达到98%的准确性.
- 视频分析模型,Gated Recurrent Unit和Long Short-Term Memory显示了95%的准确性和99%的AUC,LSTM提供了卓越的实时响应.
- 该系统成功地使用可穿戴数据至少提前6分钟预测了AA事件.
结论:
- 开发的系统显示了对AA事件的自主,准确,实时检测和预测的巨大潜力.
- 这种多模式的方法标志着在主动管理与痴呆相关的行为症状方面取得了重大进展.
- 这些发现支持技术的整合,以改善患者的治疗结果,并减少痴呆症护理中的护理人员负担.
