床载振动传感器系统：用于养老院跌倒检测的机器学习方法
机器学习
2024-12-09 v1 人工智能
摘要
护理人员短缺加剧以及养老院跌倒的急性风险给医疗系统带来了重大挑战。本研究提出了一种集成到护理床中的自动跌倒检测系统，旨在在不损害隐私（不使用可穿戴设备或视频监控）的情况下提升患者安全。通过床架传输的机械振动采用短时傅里叶变换进行处理，并利用卷积神经网络对不同的人体跌倒模式进行鲁棒分类。针对数据的数量和多样性问题，提出通过生成额外数据来增强变异性的解决方案。虽然该模型在实验室数据上区分跌倒事件与噪声方面表现出良好结果，但建议在真实环境中进行进一步测试以验证和改进。尽管可用数据有限，所提出的系统展现出对跌倒进行准确快速响应的潜力，有助于减轻健康影响并满足老龄化人口的需求。本案例研究作为 ZIM 项目的一部分进行。ShapeFuture 项目将继续开展基于人工智能增强的传感器研究。
引用
@article{arxiv.2412.04950,
title = {Bed-Attached Vibration Sensor System: A Machine Learning Approach for Fall Detection in Nursing Homes},
author = {Thomas Bartz-Beielstein and Axel Wellendorf and Noah Pütz and Jens Brandt and Alexander Hinterleitner and Richard Schulz and Richard Scholz and Olaf Mersmann and Robin Knabe},
journal= {arXiv preprint arXiv:2412.04950},
year = {2024}
}