通过使用中间手势分类的手腕电肌图改进了对日常生活活动的预测

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:

• 阿尔茨海默氏症痴呆症显著影响患者的自我护理能力和记忆力.
• 远程监控日常生活活动 (ADLs) 对于患者的独立性和护理人员的支持至关重要.
• 现有的ADL监测方法往往缺乏精度或是侵入性的.

研究的目的:

• 调查使用手腕肌电图 (EMG) 来自动,远程和非侵入性识别ADL的可行性.
• 开发和评估用于预测ADLs的中间手势分类算法.
• 为了比较基于手势的分类的准确性和效率与基于EMG的直接ADL预测.

主要方法:

• 使用手腕穿戴的电肌图 (EMG) 传感器来捕捉肌肉活动.
• 开发了一种中间手势分类算法.
• 采用线性差异分析 (LDA) 来基于手势的ADL分类,并将其与神经网络方法进行比较.

主要成果:

• 预测的手势实际上代表了一系列ADLs.
• 在不同的ADL中观察到不同的手势作品集.
• 使用预测手势的LDA与EMG数据的直接神经网络方法相比,实现了更高效的分类准确性.

结论:

• 带有手势分类的手腕 EMG 设备为远程 ADL 监控提供了准确有效的方法.
• 这项技术可以提高患者的独立性,并为护理人员提供宝贵的见解.
• 这些发现为辅助技术奠定了基础,这些辅助技术可以改善认知衰退患者的生活质量.