一个资源高效的基于负载细胞的智能床系统用于姿势分类

科学领域:

• 生物医学工程 生物医学工程
• 医疗保健技术 技术 医疗保健 技术
• 机器学习在医学中的应用

背景情况:

• 智能床系统对于医疗保健中的患者监测和压力预防至关重要.
• 现有的基于视觉和生物信号的方法引发了隐私问题,并引起传感器的不适.

研究的目的:

• 开发一种无接触,最小仪器的智能床系统,用于姿势分类.
• 为高分辨率压力传感器阵列提供成本效益高效的替代方案.

主要方法:

• 安装在床脚上的负载电池测量了姿势分类的压力分布.
• 机器学习模型 (随机森林,SVM,kNN) 在六种预定义的姿势上受训.
• 用户特定数据 (身高,体重) 和五倍交叉验证增强模型通用化.

主要成果:

• 随机森林模型实现了最高的准确度 (80.49%),灵敏度 (80.49%),特异性 (82.09%) 和F1得分 (81.24%).
• 半横向姿势显示,由于重量分布相似,错误分类率更高.
• 拟议的系统证明了准确,高效和保护隐私的姿势分类.

结论:

• 无接触式智能床架构是用于姿势分类的高分辨率传感器阵列的可行替代方案.
• 未来的工作包括扩大数据集多样性,动态姿势过渡和物联网集成.