针对老年人摔倒检测的人工智能:对机器学习,深度学习方法和未来方向的全面调查
Akshat Gattani1, Shriniket Dixit1, Mrudul Patil1
1School of Computer Science and Engineering, Vellore Institute of Technology, Vellore 632014, India.
Ageing research reviews
|November 20, 2025
概括
对老年人来说,准确的摔倒检测至关重要. 本次审查强调了传感器融合和机器学习 (ML) 的有效性,特别是在有限的数据的情况下,以改进降落检测系统以提高安全性.
科学领域:
- 老年学是一门学科.
- 计算机科学 计算机科学
- 工程 工程师 工程师 工程师
背景情况:
- 跌倒检测系统对于老年人的安全至关重要,因为跌倒相关的伤害风险.
- 由于罕见的事件和有限的训练数据,开发精确的摔倒检测具有挑战性.
研究的目的:
- 审查老年人摔倒检测技术的最新进展,重点关注数据稀缺性.
- 整合人工智能系统的监管框架,并将摔倒检测与骨质疏松症和神经系统疾病联系起来.
主要方法:
- 按照PRISMA 2020指南进行系统审查.
- 关于基于传感器和视觉的方法和机器学习 (ML) 算法的文章选择.
- 在分类员培训期间根据数据可用性对方法进行分类的分类学发展.
主要成果:
- 传感器融合和ML显著提高了落检测的准确性,特别是在稀疏的数据.
- 确定了老年人落检测的优点,弱点和准确性改进的领域.
- 在跌倒检测和诸如骨质疏松症和神经系统疾病等疾病之间建立了联系.
结论:
- 基于人工智能的摔倒检测系统需要强大的方法来应对技术挑战和数据稀缺.
- 未来的研究应该专注于新型传感器,可穿戴集成和实时ML增强.
- 临床转化和监管批准的途径对于提高老龄化人口的安全性和生活质量至关重要.


