相关实验视频
Updated: Jan 9, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
7.2K
实现自动监测流体摄入量和医疗坚持的人类活动识别从手腕安装的MIMU传感器的识别
概括
这项研究表明,使用手腕佩戴传感器的深度学习模型可以准确识别日常活动,包括饮酒和服用药物,用于远程监测老年人的健康状况.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 老年学是一门学科.
背景情况:
- 远程家居监控对于老年人和脆弱的人来说至关重要.
- 可穿戴式传感器提供了一种非侵入性方法来跟踪健康状况.
- 每日生活活动 (ADL) 的认可是有效监测的关键.
研究的目的:
- 从单个手腕佩戴传感器使用上肢手势来识别ADL.
- 为了特别检测饮酒和药丸摄入量,以监测药物服药和水合监测.
- 为了比较机器学习 (ML) 和深度学习 (DL) 模型对ADL识别的性能.
主要方法:
- 使用一个单一的磁惯性测量单元 (MIMU) 放置在手腕上.
- 从MIMU传感器 (陀螺仪和磁力计) 收集的数据.
- 在14个ADL的三个分类实验中训练和评估ML和DL模型.
主要成果:
- 深度学习模型在区分14个ADL方面表现优于ML模型.
- 陀螺仪和磁力计数据的组合可实现大约93%的准确性,用于一般的ADL.
- 同样的传感器配置在识别饮酒和服用药物的准确性超过97%.
结论:
- 使用MIMU数据的深度学习对于识别ADL是有效的,包括饮酒和药片摄入等关键指标.
- 这项技术可以在家庭环境中持续,最少侵入性地监测水分和药物坚持.
- 这些发现支持开发针对老年护理和远程健康管理的强大解决方案.
