通过分布式摄像网络与隐私保护边缘计算评估认知障碍的可行性
人工智能
2024-08-21 v1 计算机视觉与模式识别
摘要
引言：轻度认知障碍（MCI）的特征是在认知功能方面出现超出典型年龄和教育相关预期的衰退。由于MCI与社交互动减少和无目的运动增加相关，我们旨在自动捕获这些行为以增强纵向监测。方法：使用隐私保护的分布式摄像网络，我们收集了在1700平方米空间内接受治疗的MCI群体在运动和社交互动方面的数据。我们开发了运动和社交互动特征，随后用于训练一系列机器学习算法以区分高功能和低功能MCI组。结果：Wilcoxon秩和检验在线性路径长度、行走速度、行走时方向变化、速度和方向变化的熵以及室内空间中群体形成数量等特征上揭示了高功能和低功能组之间的统计显著差异。尽管缺乏与特定MCI水平关联的个体标识符，但使用最重要特征的机器学习方法达到了71%的准确率。讨论：我们提供了证据表明，使用边缘计算框架的隐私保护低成本摄像网络有潜力从群体活动中捕获的运动和社交互动来区分不同水平的认知障碍。
引用
@article{arxiv.2408.10442,
title = {Feasibility of assessing cognitive impairment via distributed camera network and privacy-preserving edge computing},
author = {Chaitra Hegde and Yashar Kiarashi and Allan I Levey and Amy D Rodriguez and Hyeokhyen Kwon and Gari D Clifford},
journal= {arXiv preprint arXiv:2408.10442},
year = {2024}
}