相关实验视频
Updated: Sep 14, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.8K
使用可穿戴设备诊断精神疾病的新框架,借助于改进的卷积神经网络
Hend S Saad1,2, John F W Zaki1, Mohamed M Abdelsalam3,4
1Computers and Control Systems Engineering Department Faculty of Engineering, Mansoura University, Mansoura, 35516, Egypt.
Scientific reports
|July 23, 2025
概括
可穿戴的智能手表现在可以帮助诊断精神健康障碍,如精神分裂症和抑郁症. 通过使用新型人工智能框架分析运动活动数据,在检测这些复杂条件时可以达到很高的准确性.
科学领域:
- 数字健康数字健康
- 人工智能在医学中的应用
- 精神病学是一个精神病学.
背景情况:
- 心理健康障碍 (MHD) 是一个全球性的问题,常常被现代生活压力加剧.
- 早期诊断和治疗对于管理MHD至关重要,但由于各种症状,区分它们是具有挑战性的.
- 像智能手表一样,可穿戴技术为持续的生物活性监测提供了一个有希望的途径.
研究的目的:
- 通过使用智能手表的运动活动数据,提出用于诊断精神疾病的新框架.
- 分析与精神分裂症和抑郁症等疾病相关的复杂行为模式.
- 提高心理健康障碍检测的准确性和效率.
主要方法:
- 使用一个框架来分析智能手表的运动活动数据.
- 通过修改的马尔科夫过渡场将时间序列行为数据编码为图像模式.
- 使用修改后的卷积神经网络与注意力聚合用于患者分类.
主要成果:
- 实现了高诊断准确度:96.6%的精神分裂症和94.85%的抑郁症.
- 证明了很高的精度:92.1%用于精神分裂症和96.77%用于抑郁症.
- 该系统有效地分析个人运动活动,以诊断精神疾病.
结论:
- 与现有的精神健康障碍检测方法相比,拟议的系统表现出优越的性能.
- 智能手表数据分析为诊断精神分裂症和抑郁症等疾病提供了一种可行的非侵入性方法.
- 这种由人工智能驱动的框架对于推进数字心理健康保健具有重大潜力.
