用于步态分析以估算血液酒精浓度水平的人工神经网络
计算机与社会
2017-12-15 v3
摘要
饮酒后会出现步态损伤，若可实时检测，则能指导提供“即时”伤害预防干预。我们旨在识别可用于在典型饮酒环境中估算血液酒精浓度（BAC）水平的步态显著特征。我们招募了 10 名有重度饮酒史的年轻人测试我们的研究应用。在连续四个周五与周六晚 8 点至 12 点间每小时，他们被提示使用该应用报告饮酒情况并完成一项 5 步直线行走任务，期间以 100 Hz 频率采样三轴加速度与角速度数据。计算了每名受试者的 BAC。从传感器信号中，使用滑动窗口技术计算了 24 个特征，包括能量、均值与标准差。使用人工神经网络（ANN），我们进行回归分析以建立确定步态特征与 BAC 间关联的模型。70% 的数据用作训练集，结果使用其余样本进行测试与验证。我们评估了神经网络的不同训练算法，结果表明贝叶斯正则化神经网络（BRNN）最为高效准确。分析支持将串联步态任务与我们的方法相结合，基于步态特征可靠估算 BAC。本工作的结果可用于设计有效的预防干预措施，以减少饮酒期间的危险行为。
引用
@article{arxiv.1712.01691,
title = {An Artificial Neural Network for Gait Analysis to Estimate Blood Alcohol Content Level},
author = {Pedram Gharani and Brian Suffoletto and Tammy Chung and Hassan Karimi},
journal= {arXiv preprint arXiv:1712.01691},
year = {2017}
}
备注
arXiv admin note: text overlap with arXiv:1711.03410