利用传感器数据衍生的行为模型检测早期痴呆特征
计算机与社会
2020-07-08 v1 机器学习
信号处理
机器学习
摘要
自动理解痴呆等慢性神经系统疾病的状态和进展存在迫切需求。最先进传感平台的出现为通过行为监测的视角间接且自动评估疾病状态提供了前所未有的机会。本文特别旨在刻画疾病早期阶段轻度认知障碍（MCI）和阿尔茨海默病（AD）的行为特征。我们引入了定制的行为模型和对关键症状的分析，并将其部署在一个来自 MCI 和 AD 患者的新型纵向传感器数据集上。我们展示了初步发现，表明在早期痴呆患者和健康同居对照者之间，睡眠质量和游走水平之间的关系可能存在微妙差异。
引用
@article{arxiv.2007.03615,
title = {Detecting Signatures of Early-stage Dementia with Behavioural Models Derived from Sensor Data},
author = {Rafael Poyiadzi and Weisong Yang and Yoav Ben-Shlomo and Ian Craddock and Liz Coulthard and Raul Santos-Rodriguez and James Selwood and Niall Twomey},
journal= {arXiv preprint arXiv:2007.03615},
year = {2020}
}
备注
Accepted by the 1st edition of HELPLINE: Artificial Intelligence for Health, Personalized Medicine and Wellbeing