一种面向下一代医疗健康的智能非侵入式实时人体活动识别系统

在人工智能(AI)驱动的医疗健康系统中，人体运动检测正受到相当多的关注。通过识别跌倒、步态和呼吸障碍等特定动作，人体运动可用于为脆弱人群提供远程医疗解决方案。这可以让人们过上更独立的生活方式，同时在需要更直接护理时仍享有被监测的安全保障。目前，可穿戴设备可通过在人体内部署设备提供实时监测。然而，长时间在身上佩戴设备会带来不适感，老年人也往往忘记佩戴，此外还存在始终被追踪的不安全感。本文展示了如何利用非侵入式方法在准实时场景下检测人体运动。无线信号中的模式呈现出特定的人体身体运动，因为每种运动都会引起无线介质的独一无二的变化。这些变化可用于识别特定的身体动作。本工作生成了一个数据集，其中包含使用软件定义无线电(SDRs)获取的无线电波信号模式，以建立受试者站立或坐下作为测试用例。该数据集被用于创建一个机器学习模型，并应用于所开发的应用程序中，以提供站立或坐下状态的准实时分类。该机器学习模型使用随机森林(Random Forest)算法和10折交叉验证达到了96.70%的准确率。将可穿戴设备的基准数据集与所提出的数据集进行比较，结果显示所提出的数据集具有接近90%的相似准确率。本文开发的机器学习模型针对两项活动进行了测试，但所开发的系统经过设计且适用于检测和区分x项活动。