一种用于奥塔哥微标签识别的掩码半监督学习方法
机器学习
2024-05-24 v2 人工智能
摘要
奥塔哥运动计划（OEP）是一项针对老年人的重要康复计划，旨在增强他们的力量和平衡能力，从而预防跌倒。虽然人类活动识别（HAR）系统已被广泛用于识别个体的活动，但现有系统侧重于宏观活动（即同一运动的重复序列）的持续时间，忽略了识别微观活动（即运动的单个重复）的能力，在OEP的情况下。本研究提出了一种新颖的半监督机器学习方法，旨在弥合这一差距，识别OEP的微观活动。为了管理有限的数据集大小，我们的模型利用Transformer编码器进行特征提取，随后由时间卷积网络（TCN）进行分类。同时，Transformer编码器用于掩码无监督学习以重建输入信号。结果表明，掩码无监督学习任务增强了监督学习（分类任务）的性能，F1分数超过了临床适用的0.8阈值。从微观活动中，出现了两个临床相关的结果：计算每个运动的重复次数和计算椅子起立时的速度。这些结果使得能够自动监测老年人日常生活中的运动强度和难度。
引用
@article{arxiv.2405.12711,
title = {A Masked Semi-Supervised Learning Approach for Otago Micro Labels Recognition},
author = {Meng Shang and Lenore Dedeyne and Jolan Dupont and Laura Vercauteren and Nadjia Amini and Laurence Lapauw and Evelien Gielen and Sabine Verschueren and Carolina Varon and Walter De Raedt and Bart Vanrumste},
journal= {arXiv preprint arXiv:2405.12711},
year = {2024}
}