基于深度多任务学习的智能床身份与睡姿识别
机器学习
2021-04-07 v1
摘要
睡眠姿势分析广泛用于临床患者监测与睡眠研究。早期研究表明，睡眠姿势高度影响呼吸暂停和压力性溃疡等疾病的症状。在本研究中，我们提出一种鲁棒深度学习模型，能够利用从商用压力映射系统获取的公开数据准确检测受试者及其睡眠姿势。我们组合使用损失函数以同时区分受试者及其睡眠姿势。实验结果表明，在 10 折交叉验证方案下，我们所提方法可几乎无误地识别患者及其在床姿势。此外，我们在留出单受试者验证流程中面对新受试者时，于三种最常见睡眠姿势类别上实现了高达 99% 的平均准确率。我们展示了组合代价函数对其参数的影响，并表明同时学习两项任务可显著提升性能。最后，我们通过在数据集的增强图像上测试所提流程来评估它。所提算法最终可作为其他可用自动化患者监测系统的补充工具用于临床与智能家居环境。
引用
@article{arxiv.2104.02159,
title = {Identity and Posture Recognition in Smart Beds with Deep Multitask Learning},
author = {Vandad Davoodnia and Ali Etemad},
journal= {arXiv preprint arXiv:2104.02159},
year = {2021}
}
备注
\c{opyright} 2019 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works