一种识别老年人日常生活活动 (ADL) 的深度学习方法:利用交互依赖和时间模式-研究论文

上传者: 38525735 | 上传时间: 2022-03-14 10:45:26 | 文件大小: 1.95MB | 文件类型: -
确保独立生活的老年人的健康和安全是一个日益严重的社会问题。 日常生活活动 (ADL) 是监测这些公民的自理能力和疾病进展的常用方法。 然而,流行的基于传感器的 ADL 监控系统主要依赖于可穿戴运动传感器,捕获的信息不足以进行准确的 ADL 识别,并且不能提供对不同粒度的 ADL 的全面了解。 当前的医疗保健信息系统和移动分析研究侧重于研究系统、设备和提供的服务,需要一个端到端的解决方案来从移动传感器数据中全面识别 ADL。 本研究采用设计科学范式,并采用先进的深度学习算法来开发一种新颖的分层、多阶段 ADL 识别框架,以对具有不同粒度的 ADL 进行建模。 提出了一种用于卷积神经网络的新型 2D 交互内核,以利用人和物体运动传感器之间的交互。 我们在两个真实运动传感器数据集上根据最先进的基准(例如,支持向量机、DeepConvLSTM、隐马尔可夫模型和基于主题建模的 ADLR)严格评估每个提议的模块和整个框架不同粒度的 ADL:Opportunity 和 INTER。 结果和案例研究表明,我们的框架可以更准确地识别不同级别的 ADL。 我们讨论利益相关者如何从我们提议的框架中进一步受益。 除了展示实际效用之外,我们还讨论了对未来基于设计科学的网络安全、医疗保健和移动分析应用程序的 IS 知识库的贡献。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明