开发和验证IMU基于传感器的辅助犬行为警报检测项圈:一项概念验证研究

科学领域:

• 生物医学工程 生物医学工程
• 狗的行为科学 狗的行为科学
• 机器学习应用 机器学习应用

背景情况:

• 辅助犬有助于治疗,但警报检测缺乏标准化和客观验证.
• 目前用于狗发作警报检测的方法不一致,难以量化.
• 可穿戴技术为客观,自动监控犬的辅助行为提供了潜力.

研究的目的:

• 为训练有素的辅助犬开发和验证一种可穿戴的行为警报检测项圈.
• 为了证明特定的狗发作信号行为自动检测的技术可行性.
• 建立实时发作预警系统的基础,使用狗辅助医疗保健.

主要方法:

• 开发一个可穿戴的项圈,集成惯性传感器 (加速计,陀螺仪).
• 实现机器学习管道用于检测训练有素的"旋转"警报行为.
• 评估四种监督学习模型 (随机森林,逻辑回归,天真贝叶斯,SVM) 使用6只狗的数据的Leave-One-DOG-Out交叉验证.

主要成果:

• 随机森林模型实现了最高的性能,F1得分为0.65和92%的准确性.
• 该系统证明了自动检测训练有素的狗警报行为的技术可行性.
• 收集了135个标记的旋转警报的有限数据集,反映了现实世界的训练约束.

结论:

• 开发的可穿戴项圈系统是将狗的行为与医疗应用的可穿戴技术相结合的新一步.
• 这项概念验证研究验证了在辅助犬中自动检测发作警报的技术可行性.
• 该系统为未来可扩展的动物辅助医疗保健创新和医疗物联网解决方案的发展提供了基础.